-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathintroduccion_estadistica.R
163 lines (119 loc) · 5.15 KB
/
introduccion_estadistica.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
setwd( "C:/Users/marti/Documents/R/Aprendiendo\ R")
library(ggplot2)
##### INTRODUCCION A ESTADISTICA
vinos <- read.csv("vinos.csv")
head(vinos)
View(head(vinos))
mex <- vinos[vinos$country == "Mexico", ]
por <- vinos[vinos$country == "Portugal", ]
#### Histograma suavizado
ggplot() +
geom_density(data=por,aes(x=as.numeric(points))) +
geom_histogram(data=por,aes(x=as.numeric(points),y=stat(density)),
fill = "green",alpha=0.5,binwidth = 1)
##### MEDIANA
#Potugal
median(as.numeric(por$points))
nrow(por[as.numeric(por$points)<88,])
nrow(por[as.numeric(por$points)>=88,])
table(por[as.numeric(por$points)<88,]$points)
table(por[as.numeric(por$points)>=88,]$points)
#Mexico
median(as.numeric(mex$points))
nrow(mex[as.numeric(mex$points)<84,])
nrow(mex[as.numeric(mex$points)>=84,])
table(mex[as.numeric(mex$points)<84,]$points)
table(mex[as.numeric(mex$points)>=84,]$points)
ggplot() +
geom_density(data=mex,aes(x=as.numeric(points))) +
geom_histogram(data=mex,aes(x=as.numeric(points),y=stat(density)),
fill = "orange",alpha=0.5,binwidth = 1)
## Se unen mexico y portugal
por1 <- data.frame(points = as.numeric(por$points),country = "Portugal")
mex1 <- data.frame(points = as.numeric(mex$points),country = "Mexico")
por_mex <- rbind(por1,mex1)
# tabla de medias y medianas de todos los paises.
medias_medianas <- data.frame(medias = tapply(as.numeric(vinos$points),
vinos$country,
mean),
medianas = tapply(as.numeric(vinos$points),
vinos$country,
median)
)
#ver si es simetrica la distribucion
medias_medianas$simetria <- ifelse(abs(medias_medianas$medias-medias_medianas$medianas)<0.5
,"Si","No")
#histograma para chile
chile <- vinos[vinos$country=="Chile",]
ggplot() +
geom_density(data=chile,aes(x=as.numeric(points))) +
geom_histogram(data=chile,aes(x=as.numeric(points),y=stat(density)),
fill = "red",alpha=0.5,binwidth = 1)
######## MODA
moda <- function(vector){
tabla <- as.data.frame(table(vector))
tabla <- tabla[tabla$Freq == max(tabla$Freq),]
names(tabla) <- c("Moda","Frecuencia")
return(tabla)
}
moda(c(1,1,1,1,2,5,5,6,4,2,1,4,6,66,6,6,6,6,6,6,6))
moda(mex$province)
### VARIANZA Y DESVIACION ESTANDAR
mis_paises <- vinos[vinos$country %in% c("Mexico","Portugal","Chile"),]
# Valor promedio de la calidad en cada paÃs
medias = data.frame(puntaje_medio = tapply(mis_paises$points,
mis_paises$country,
function(x){mean(x,na.rm=TRUE)}))
medias
medias$country <- row.names(medias)
medias
ggplot() +
geom_density(data = mis_paises,
aes(x=points,fill=country),
alpha = 0.5,
position = "identity") +
geom_vline(data = medias,
aes(xintercept = puntaje_medio,color=country)) +
xlim(75,100)
tapply(mis_paises$points,
mis_paises$country,
function(x){sd(x,na.rm=TRUE)})
####################
sd(vinos[vinos$country=="Japan",]$points)
####################
## se calcula y filtra los paises con mas de 50 vinos
vinos$FAC <- 1
productos_paises <- data.frame(total = tapply(vinos$FAC,vinos$country,sum))
productos_paises$country <- row.names(productos_paises)
mayores <- productos_paises[productos_paises$total>50,]$country
mas_productores <- vinos[vinos$country %in% mayores,]
### ordenamiento respecto a las desviaciones estandar
calidad_estable <- data.frame(medias = tapply(mas_productores$points,
mas_productores$country, function(x){mean(x,na.rm = TRUE)}),
desviaciones = tapply(mas_productores$points,
mas_productores$country, function(x){sd(x,na.rm = TRUE)})
)
calidad_estable$country <- row.names(calidad_estable)
calidad_estable <- calidad_estable[order(calidad_estable$desviacion,
calidad_estable$media,
decreasing = c(FALSE,TRUE)),]
row.names(calidad_estable) <- 1:nrow(calidad_estable)
View(calidad_estable)
#########################
# Tabla de los tres países
mis_paises <- vinos[vinos$country %in% c("Mexico","Portugal","Chile",
"Turkey"),]
# Valor promedio de la calidad en cada país
medias = data.frame(puntaje_medio = tapply(mis_paises$points,
mis_paises$country,
function(x){mean(x,na.rm=TRUE)}))
## se agrego a Turquia
medias$country <- row.names(medias)
ggplot() +
geom_density(data = mis_paises,
aes(x=points,fill=country),
alpha = 0.5,
position = "identity") +
geom_vline(data = medias,
aes(xintercept = puntaje_medio,color=country)) +
xlim(75,100)