MIS COMANDOS

1.- Descargar paquetes: fdth, moments, VCD[pic 1]

2.- Estableces escritorio de trabajo.

3.- Abrir Script.

1.-LEER FICHEROS

read.table 🡪 .txt

read.csv 🡪 .csv

.xls 🡪 .csv

gatos <- read.csv(file="catsM.csv", header=TRUE, sep=",", dec=".")

[pic 2]

2.- COMANDOS BÁSICOS

-attach (x)

-round(x, digits=0)

-ceiling(x) 🡪 redondeo hacia arriba.

-sum(x) 🡪 suma todo.

-prod(x) 🡪 multiplica entre sí.

-sort(x, decreasing = FALSE) 🡪 ordena – a +.

-sample (1:30, 10, replace =F) 🡪 crear sucesión de valores aleatoria.

-seq (0,2,0.1) 🡪  secuencia todos los nº del 0 al 2, en pasos de 0.1.

-length(x) 🡪 longitud del vector/ tamaño muestral.

-format(Fecha,"%d %b. %Y")

-as.Date(c("1/1/2010","5/1/2010","5/1/2010","6/1/2010"),format="%d/%m/%Y")

-Perros<-cbind(Raza,Edad)

-rbind 🡪 filas.

-cbind 🡪 columnas

-Perros[ order( Edad, decreasing = FALSE ) , ]🡪 ordenar datos en función de una variable.

-PerrosAux2 <- Perros[ Edad > 2 , ]

-gatos3 <- gatos[ Sex=="M" & Hwt>15 , ]

-osos19<-osos2[Month==11 | Weight<20,] 🡪 una condición u otra.

3.- ESTADÍSTICA DESCRIPTIVA UNIVARIANTE

• VARIABLES CUALITATIVAS

-Fabsoluta: table(x)

-Frelativas: prop.table( table(x))

-Diagrama de sectores🡪  pie( table( Sex ),

labels=c("Machos", "Hembras"),

main="Diagrama de sectores para la variable Sexo",

col = c("cyan","purple"))

• VARIABLES CUANTITATIVAS DISCRETAS 🡪 pocos que se repiten muchas veces

-Fabsoluta: table(x)

-Frelativas: prop.table( table(x))

-Tabla F.abs acumuladas: cumsum( table( parasitos ) )

-Tabla F.rel aumuladas: cumsum( prop.table( table( parasitos ) ) )

-Diagrama de barras:

• Frec abs: barplot( table( parasitos ) )
• Frec abs acumuladas: barplot( cumsum( table( parasitos ) ),

main="Diagrama de barras (acumuladas) del número de parásitos",

xlab="Nº de parásitos",

ylab="Nº de perros",

col="purple" )

• Frec rel: barplot( prop.table(table( parasitos )))
• Frec rel acumuladas: barplot( cumsum(prop.table(table( Bwt ))))

• VARIABLES CUANTITATIVAS CONTINUAS 🡪 muchos que se repiten poco

Tabla de todas las F 🡪 Tabla_frec <- fdt(x)

• cf: tenemos las frecuencias absolutas acumuladas.

K <- nclass.Sturges(x) 🡪 Me aplica la regla de Sturges

-HISTOGRAMA

• Frecuencias absolutas:

plot(Tabla_frec2,

type = "fh",

main = "Histograma de frecuencias absolutas de la variable Longitud",

xlab = "Longitud del oso (en pulgadas)",

ylab = "Frecuencia absoluta",

col = "blue")

• Frecuencias relativas: plot(Tabla_frec2, type="rfh")
• Frecuencias abs acumuladas: plot(Tabla_frec2, type="cfh")
• Frec. Relativas acumuladas en % : plot(Tabla_frec2, type="cfph")

Los histogramas nos permiten saber si los datos presentan simetría. Hay que ver si a la izq y drcha. De la media hay un reparto similar de frecuencias o si hay en un lado más datos que en el otro. Si las frecuencias absolutas a ambos lados son similares 🡪 simetría, si hay más a la derecha que a la izq (asimetría negativa), al revés, +

• 4.- MEDIDAS DESCRIPTIVAS

4.1.- Medidas de localización

- summary( x) 🡪 media + mediana + cuartiles

- quantile( Length, probs=c(0.15, 0.35, 0.90) ) 🡪 percentiles a distintos niveles

-MODA: Tabla_frec2 <- fdt(Length), el que + se repite, sumar intervalos, /2

4.2.- MEDIDAS DE DISPERSIÓN

-rango <- max( Length ) - min( Length ) Diferencia entre valores max y min de la muestra

-IQR( Length ) 🡪recorrido intercuartílico

- var( Length ) 🡪Cuasivarianza

-Varianza:

1. n <- length( Length )

2. varianza <- var( Length ) * ( n - 1 ) / n Nos informa de la dispersión global de los datos.

...