Scribd
Cargar
94 vistas3 páginas

R Studio

Este documento analiza una base de datos forense mediante tablas de frecuencias y gráficos. Primero se importan los datos y se visualizan los nombres de las variables. Luego, se analizan variables categóricas como sexo y escolaridad mediante tablas de frecuencias simples y tablas de frecuencias por intervalos. Finalmente, se generan gráficos como barras y sectores para visualizar la distribución de las variables.

Cargado por

Mauricio Alexander Niño
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como TXT, PDF, TXT o lee en línea desde Scribd
94 vistas3 páginas

R Studio

Este documento analiza una base de datos forense mediante tablas de frecuencias y gráficos. Primero se importan los datos y se visualizan los nombres de las variables. Luego, se analizan variables categóricas como sexo y escolaridad mediante tablas de frecuencias simples y tablas de frecuencias por intervalos. Finalmente, se generan gráficos como barras y sectores para visualizar la distribución de las variables.

Cargado por

Mauricio Alexander Niño
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como TXT, PDF, TXT o lee en línea desde Scribd

# seleccionar base de datos

getwd()

# importando datos desde un archivo txt

forenses<-read.table("Forensis2011.txt",header= TRUE)
View(forenses)

# visualizando los nombres de las variables


names(forenses)

####################################################
####################################################

#ANALIZANDO LA BASE DE DATOS FORENSES


names(forenses)

# ANALIZANDO VARIABLE ESCOLARIDAD


# TABLA DE FRECUENCIAS
ni<-table(forenses$Escolaridad)
ni
#hi=ni/n
hi<-round(ni/length(forenses$Escolaridad))
pi<-hi*100
pi
tabla.1<-cbind(ni,hi,pi)
tabla.1
# cuando la tabla de frecuencias tiene la anterior estructura se debe utilizar un
#metodo de contruccion mas adecuado el cual permite condensar la informacion
estadisticamente

#mas adelante se presentara una contruccion mas adecuada para la variable anterior
###################
###########
#############

#ANALIZANDO VARIABLES CATEGORICAS

#analizando variable SEXO


#tabla de frecuencias
ni.1<-table(forenses$Sexo)
ni.1

hi.1<-round(ni.1/length(forenses$Sexo),3)
# redondeo a 3 cifras decimales
hi.1

pi.1<-hi.1*100
pi

tabla.2<-cbind(ni.1,hi.1,pi.1)
tabla.2
# CREANDO UN GRAFICO DE BARRAS
plot(forenses$Sexo)
plot(forenses$Sexo,ylim=c(0,400))
plot(forenses$Sexo,ylim=c(0,400),main="PERSONAS VICTIMAS DE AGRESION"
,ylab="NUMERO DE PERSONAS",xlab="SEXO",col=rainbow(2))

# 2 numero de barras
# col color a barra
# otra forma de colocar colores col=c(100,150) 100<- codigo de colores
# otra forma de colocar colores col=c("blue","yellow") con dos barras

# grafico de sectores cirulares


pie(forenses$Sexo)

## RETOMANDO ANALISIS VARIABLE ESCOLARIDAD


# CONSTRUYENDO TABLA DE FRECUECIA POR INTERVALOS
intervalos<-cut(forenses$Escolaridad,breaks = nclass.Sturges(forenses$Escolaridad))
intervalos

length(forenses$Escolaridad)

ni.4<-table(intervalos)
ni.4

hi.4<-round(ni.4/length(forenses$Escolaridad),3)
hi.4

pi.4<-hi.4*100
pi.4

#frecuencias acumuladas

Ni.4<-cumsum(ni.4)
Ni.4
Hi.4<-cumsum(hi.4)
Hi.4
Pi.4<-cumsum(pi.4)
Pi.4

tabla.5<-cbind(ni.4,hi.4,pi.4,Ni.4,Hi.4,Pi.4)
tabla.5
# CONSTRUYENDO TABLA DE FRECUECIA POR INTERVALOS PARA EDAD
intervalos.1<-cut(forenses$Edad,breaks = nclass.Sturges(forenses$Edad))
intervalos.1

length(forenses$Edad)

ni.5<-table(intervalos.1)
ni.5

hi.5<-round(ni.5/length(forenses$Edad),3)
hi.5

pi.5<-hi.5*100
pi.5
#frecuencias acumuladas

Ni.5<-cumsum(ni.5)
Ni.5
Hi.5<-cumsum(hi.5)
Hi.5
Pi.5<-cumsum(pi.5)
Pi.5

tabla.6<-cbind(ni.5,hi.5,pi.5,Ni.5,Hi.5,Pi.5)
tabla.6

También podría gustarte