Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 92 vistas

    Práctica 3 Cuartiles Percentiles y Diagramas de Cajas

    Cargado por

    camila freire
    Este documento presenta una práctica de estadística sobre percentiles y diagramas de cajas. Se analizan datos de caudal de un río, incluyendo ordenar los datos, calcular percentiles y medidas de tendencia central, construir un diagrama de cajas y ojiva, y verificar valores atípicos. También se construyen diagramas de cajas para variables del conjunto de datos Iris según especies. Finalmente, se resumen variables demográficas de un conjunto de datos bancarios.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Práctica 3 Cuartiles Percentiles y Diagramas de Cajas

    Cargado por

    camila freire
    92 vistas17 páginas
    Este documento presenta una práctica de estadística sobre percentiles y diagramas de cajas. Se analizan datos de caudal de un río, incluyendo ordenar los datos, calcular percentiles y medidas de tendencia central, construir un diagrama de cajas y ojiva, y verificar valores atípicos. También se construyen diagramas de cajas para variables del conjunto de datos Iris según especies. Finalmente, se resumen variables demográficas de un conjunto de datos bancarios.

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta una práctica de estadística sobre percentiles y diagramas de cajas. Se analizan datos de caudal de un río, incluyendo ordenar los datos, calcular percentiles y medidas de tendencia central, construir un diagrama de cajas y ojiva, y verificar valores atípicos. También se construyen diagramas de cajas para variables del conjunto de datos Iris según especies. Finalmente, se resumen variables demográficas de un conjunto de datos bancarios.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    92 vistas17 páginas

    Práctica 3 Cuartiles Percentiles y Diagramas de Cajas

    Cargado por

    camila freire
    Este documento presenta una práctica de estadística sobre percentiles y diagramas de cajas. Se analizan datos de caudal de un río, incluyendo ordenar los datos, calcular percentiles y medidas de tendencia central, construir un diagrama de cajas y ojiva, y verificar valores atípicos. También se construyen diagramas de cajas para variables del conjunto de datos Iris según especies. Finalmente, se resumen variables demográficas de un conjunto de datos bancarios.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 17

    ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL

    Año: 2020 Periodo: I PAO


    Materia: Estadística I
    Práctica: Percentiles y Diagramas de cajas
    Fecha: Duración 60
    : minutos
    Práctica 3. Percentiles y Diagramas de cajas
    Tema 1.
    Durante el mes de abril de 2009 se registran en miles de galones diarios, el caudal de un
    afluente que desemboca en el Rio Guayas; los resultados son las siguientes treinta
    lecturas:
    4.054, 4.024, 4.030, 3.976, 3.947, 3.969, 3.937, 4.057, 3.964, 3.908, 4.047, 3.980, 4.017,
    3.906, 3.963, 4.053, 3.951, 4.007, 3.970, 3.927, 4.015, 3.978, 3.944, 3.981, 3.951, 3.947,
    3.992, 3.918, 4.031, 3.926
    Realice lo siguiente: a) Ordene la muestra y asígnela en un vector de datos.
    Comandos:

    quantile(X, probs=c(p1,p2,…) #Acorde a los datos ordenados de X se determinan los


    percentiles p1, p2, …etc.
    summary(X) #calcula las principales medidas de resumen de posición
    IQR(X) #rango intercuartílico Q3-Q1

    Solución:
    X=c(4.054, 4.024, 4.030, 3.976, 3.947, 3.969, 3.937, 4.057, 3.964, 3.908,
    4.047, 3.980, 4.017, 3.906, 3.963, 4.053, 3.951, 4.007, 3.970, 3.927,
    4.015, 3.978, 3.944, 3.981, 3.951, 3.947, 3.992, 3.918, 4.031, 3.926)
    X=sort(X)
    print(X)

    ## [1] 3.906 3.908 3.918 3.926 3.927 3.937 3.944 3.947 3.947 3.951 3.951
    3.963
    ## [13] 3.964 3.969 3.970 3.976 3.978 3.980 3.981 3.992 4.007 4.015 4.017
    4.024
    ## [25] 4.030 4.031 4.047 4.053 4.054 4.057

    b) Calcule los tres cuartiles de los datos, rango de datos, rango intercuartil, los
    percentiles quinto y nonagésimo quinto.
    Solución:
    extremo=range(X) #valores del rango de datos extremo[1] mínimo,
    extremo[2] máximo
    min(X) #valor mínimo

    ## [1] 3.906

    max(X) #valor máximo

    ## [1] 4.057

    rango=max(X)-min(X) #rango de datos


    quantile(X) #determina los valores de los Q1, Q2, y Q3, así como los
    extremos

    ## 0% 25% 50% 75% 100%


    ## 3.9060 3.9470 3.9730 4.0165 4.0570

    quantile(X, probs = c(0.25,0.5,0.75)) #determina el Q1, Q2, Q3

    ## 25% 50% 75%


    ## 3.9470 3.9730 4.0165

    RI=IQR(X) #calcula el rango intercuartil Q3-Q1


    RI

    ## [1] 0.0695

    quantile(X, probs = c(0.05,0.95)) #determina el percentil quinto y


    nonagémiso quinto

    ## 5% 95%
    ## 3.91250 4.05355

    summary(X) #resumen de medidas de posición median=Q2

    ## Min. 1st Qu. Median Mean 3rd Qu. Max.


    ## 3.906 3.947 3.973 3.979 4.016 4.057

    c) Determine la existencia o no de valores aberrantes.


    Q1=quantile(X, probs = 0.25)
    Q3=quantile(X, probs = 0.75)
    cerca_interior=Q1-1.5*RI
    cerca_exterior=Q3+1.5*RI
    v_logico1=X<cerca_interior
    v_logico1

    ## [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
    FALSE
    ## [13] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
    FALSE
    ## [25] FALSE FALSE FALSE FALSE FALSE FALSE

    sum(v_logico1) #cantidad de datos por debajo de la cerca_interior


    ## [1] 0

    ifelse(sum(v_logico1)==0,"No existe valores aberrantes inferiores",


    X[v_logico1])

    ## [1] "No existe valores aberrantes inferiores"

    v_logico2=X>cerca_exterior
    v_logico2

    ## [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
    FALSE
    ## [13] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
    FALSE
    ## [25] FALSE FALSE FALSE FALSE FALSE FALSE

    sum(v_logico2) #cantidad de datos superior de la cerca_exterior

    ## [1] 0

    ifelse(sum(v_logico2)==0,"No existe valores aberrantes superiores",


    X[v_logico2])

    ## [1] "No existe valores aberrantes superiores"

    d) Contruya la Ojiva correspondiente y Diagrama de Caja para el caudal del río.


    Comandos:

    boxplot(X, horizontal=T) #Elaborar un Diagrama de Cajas, el argumento horizontal

    Solución:
    p=c(0.05, 0.25, 0.5, 0.75, 0.95, 1)
    valores=quantile(X,probs = c(0.05, 0.25, 0.5, 0.75, 0.95, 1))
    valores

    ## 5% 25% 50% 75% 95% 100%


    ## 3.91250 3.94700 3.97300 4.01650 4.05355 4.05700

    #Ojiva
    plot(valores, p, main="Ojiva", xlab="Galones en miles" , ylab="Frecuencia
    relativa acumulada")
    lines(valores,p)
    #Diagrama de cajas
    boxplot(X, horizontal = TRUE)
    Tema 2. Diagramas de cajas
    Considerando los datos de Iris cargados en Rstudio, realice lo siguiente:
    a) Diagrama de cajas de longitud del pétalo y Diagrama de cajas de longitud del sépalo,
    adicionalmente incorpore los histogramas de frecuencia.
    Solución:
    D=iris
    head(D,5)

    ## Sepal.Length Sepal.Width Petal.Length Petal.Width Species


    ## 1 5.1 3.5 1.4 0.2 setosa
    ## 2 4.9 3.0 1.4 0.2 setosa
    ## 3 4.7 3.2 1.3 0.2 setosa
    ## 4 4.6 3.1 1.5 0.2 setosa
    ## 5 5.0 3.6 1.4 0.2 setosa

    print("Petal.Length")

    ## [1] "Petal.Length"

    summary(D$Petal.Length)

    ## Min. 1st Qu. Median Mean 3rd Qu. Max.


    ## 1.000 1.600 4.350 3.758 5.100 6.900

    print("Sepal.Length")

    ## [1] "Sepal.Length"

    summary(D$Sepal.Length)

    ## Min. 1st Qu. Median Mean 3rd Qu. Max.


    ## 4.300 5.100 5.800 5.843 6.400 7.900

    par(mfrow=c(2,2))
    boxplot(D$Petal.Length, horizontal = T, xlab="Longitud de Pétalos")
    boxplot(D$Sepal.Length, horizontal =T, xlab="Longitud de Sépalos")
    hist(D$Petal.Length)
    hist(D$Sepal.Length)
    par(mfrow=c(1,1))

    b) Realice un diagrama de cajas por especie de la longitud de sépalo


    Solución:
    boxplot(D$Sepal.Length ~ D$Species)
    boxplot(D$Sepal.Length ~ D$Species, horizontal = T)
    Tema 3. Resumen
    a) Descargar el archivo de bank.csv y léalo, luego almacénelo en un objeto de nombre
    banco.
    Solución:
    download.file(
    url = "https://raw.githubusercontent.com/jboscomendoza/r-principiantes-
    bookdown/master/datos/bank.csv",
    destfile = "bank.csv"
    )
    banco <- read.csv(file = "bank.csv", sep = ";")
    View(banco)

    b) Considerando el campo Edad, calcule los tres cuartiles de los datos, rango de datos,
    rango intercuartil, los percentiles quinto y nonagésimo quinto.

    Comando:

    #Cuartiles
    quantile(edad)
    quantile(edad, probs = c(0.25,0.5,0.75))
    #Rango
    min(edad)
    max(edad)
    rango=max(edad)-min(edad)
    rango
    #Rango Intercuartílico
    RI=IQR(edad)
    RI
    #Percentiles
    quantile(edad, probs = c(0.05,0.95))
    summary(edad)

    Solución:
    c) Determine la existencia o no de valores aberrantes

    Comando:

    #LiteralC
    #Valores Aberrantes
    Q1=quantile(edad, probs = 0.25)
    Q3=quantile(X, probs = 0.75)
    cerca_interior=Q1-1.5*RI
    cerca_exterior=Q3+1.5*RI
    v_logico1=edad<cerca_interior
    v_logico1
    sum(v_logico1)
    ifelse(sum(v_logico1)==0,"No existe valores aberrantes inferiores", edad[v_logico1])
    v_logico2=edad>cerca_exterior
    v_logico2
    sum(v_logico2)
    ifelse(sum(v_logico2)==0,"No existe valores aberrantes superiores", edad[v_logico2])

    Solución:
    d) Construya la Ojiva correspondiente con los valores del literal “b”.

    Comando:

    #Ojiva
    p=c(0.05, 0.25, 0.5, 0.75, 0.95, 1)
    valores=quantile(edad,probs = c(0.05, 0.25, 0.5, 0.75, 0.95, 1))
    valores
    plot(valores, p, main="Ojiva", xlab="Edad" , ylab="Frecuencia relativa acumulada")
    lines(valores,p)

    Solución:

    e) Realice un diagrama de cajas para la variable edad (age)

    Comando:

    #Diadrama de Caja
    boxplot(edad, horizontal = TRUE)
    f) Realice un diagrama de cajas para cada nivel de educación analizar cómo se
    distribuye la edad(age).

    Comando:

    #Diagrama de caja
    educacion=banco$education
    boxplot(edad ~ educacion)

    Solución:

    También podría gustarte