Scribd
Cargar
32 vistas5 páginas

Rmarkdown RMD

Cargado por

Juan Mortigo
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

Temas abordados

  • métodos estadísticos,
  • semilla,
  • gráficos de barras,
  • polígono de frecuencia,
  • análisis de variables,
  • gráficos de donas,
  • estadísticas descriptivas,
  • métodos de visualización,
  • RStudio,
  • R
32 vistas5 páginas

Rmarkdown RMD

Cargado por

Juan Mortigo
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

Temas abordados

  • métodos estadísticos,
  • semilla,
  • gráficos de barras,
  • polígono de frecuencia,
  • análisis de variables,
  • gráficos de donas,
  • estadísticas descriptivas,
  • métodos de visualización,
  • RStudio,
  • R

---

title: "Trabajo final Corte 1"


author: "Juan David Mortigo"
date: "2024-02-26"
output: html_document
---
## primero instalamos los paquetes
```{r}
library(dplyr)

library(descriptr)

library(ggplot2)

library(datos)

library(fdth)
```
## luego sacamos una muestra y sembramos una semilla
```{r}
ola <- [Link](datos_credito)

[Link](2210)

muestra_credito <- ola[sample(nrow(ola),size=80),1:14]


```
## sacamos tablas de estado civil y vivienda relacionadas y luego como data frame
```{r}
[Link] <- table(muestra_credito$EstadoCivil, muestra_credito$Vivienda)
[Link]

estadocivil <- table(muestra_credito$EstadoCivil)


estadocivil

vivienda <- table(muestra_credito$Vivienda)


vivienda

estadocivil1 <- [Link](estadocivil)


estadocivil1

vivienda1 <- [Link](vivienda)


vivienda1
```
## diagrama de barras de estado civil
```{r}
estadocivil2 <- rename(estadocivil1, estadoC=Var1, Frecuencia=Freq)

barras_estado <- ggplot(estadocivil2, aes(x = estadoC, y = Frecuencia,


fill=estadoC)) +
geom_bar(stat = 'identity') +
geom_text(aes(label = estadoC), vjust = -1, colour = "black") +
ylim(c(0,75))
barras_estado
```

## Asignamos colores y hacemos grafico de torta


```{r}
colores <- [Link](length(estadocivil))
colores
torta1 <- pie(estadocivil,main="Estado Civil",radius = 1, col = colores, labels =
c(
"Divorciado","casado","Separado","soltero","viudo"))
```

## finalmente hacemos el grafico de donas


```{r}
hsize <- 2

df <- estadocivil1 %>%


mutate(x = hsize)

ggplot(df, aes(x = hsize, y = Freq, fill= Var1)) +


geom_col(color= "black") +
geom_label(aes(label = Freq),
position = position_stack(vjust = 0.5),
[Link] = FALSE) +
coord_polar(theta = "y") +
scale_fill_brewer(palette = "GnBu") +
xlim(c(0.2, hsize + 0.5))+
theme([Link] = element_rect(fill = "pink"))+
guides(fill = guide_legend(title = "Estado Civil"))
```

# Hacemos el mismo proceso anterior con vivienda


```{r}
vivienda2 <- rename(vivienda1, Vivienda=Var1, Frecuencia=Freq)

barras_vivienda <- ggplot(vivienda2, aes(x = Vivienda, y = Frecuencia,


fill=Vivienda)) +
geom_bar(stat = 'identity') +
geom_text(aes(label = Vivienda), vjust = -1, colour = "black") +
ylim(c(0,50))
barras_vivienda
colores <- [Link](length(vivienda))
torta1 <- pie(vivienda,main="Vivienda",radius = 1, col = colores, labels = c(
"Ignorar","Otra","Propietario","Padres","Privado","Alquila"))
hsize <- 2

df2 <- vivienda1 %>%


mutate(x = hsize)

ggplot(df2, aes(x = hsize, y = Freq, fill= Var1)) +


geom_col(color= "black") +
geom_label(aes(label = Freq),
position = position_stack(vjust = 0.5),
[Link] = FALSE) +
coord_polar(theta = "y") +
scale_fill_brewer(palette = "GnBu") +
xlim(c(0.2, hsize + 0.5))+
theme([Link] = element_rect(fill = "pink"))+
guides(fill = guide_legend(title = "Vivienda"))
```

## Creamos una tabla relacionando los ingresos con el trabajo


```{r}
x <-muestra_credito$Ingresos
y <- muestra_credito$Trabajo
df3 <- [Link](x = x, y = y)
df3
```

## posteriormente lo graficamos en un grafico de caja


```{r}
p <- ggplot(df3, aes(x = x, y = y)) + labs(x = "Ingresos", y = "Trabajo") +
theme([Link].x = element_text(size = 15,
color = "blue",
face = "bold"),
[Link].y = element_text(size = 15,
color = "red",
face = "italic"))+
stat_boxplot(geom = "errorbar",
width = 5) +
geom_boxplot(fill = "dodgerblue1",
colour = "black",
alpha = 5,
[Link] = "tomato2")
p
```

## creamos una tabla de frecuencias para precio y creamos su grafica de histograma


y poligonos
```{r}
tabla1 <- fdt(muestra_credito$Precio)
plot(tabla1, col="cadetblue",type = "rfh", main = "Histograma del precio")

grafico_poligono <- plot(tabla1, col="cadetblue",type = "fp", main = "grafico de


poligono del precio")
```

# Hacemos un analisis cuantitativo completo para 3 variables numéricas resumidas en


una sola tabla.
### empezando por gastos
```{r}
gastos <- muestra_credito$Gastos

promedio <- sum(gastos)/length(gastos)

[Link] <- sort(x=gastos,decreasing = FALSE)

mediana <- median(gastos)

moda <- ds_mode(gastos)

rango <- range(gastos,[Link] = FALSE)

varianza_gastos <- round(var(gastos),5)

desvest_gastos <- round(sd(gastos),5)

coefvar_gastos <- round(ds_cvar(gastos),3)

cuartil1_gastos <- quantile(x = gastos,probs = c(0.25,0.5,0.75,1),type = 6)

cuartil1_gastos <- quantile(x = gastos,probs = c(0.25),type = 6)


cuartil2_gastos <- quantile(x = gastos,probs = c(0.5),type = 6)

cuartil3_gastos <- quantile(x = gastos,probs = c(0.75),type = 6)

cuartil4_gastos <- quantile(x = gastos,probs = c(1),type = 6)

[Link]<- matrix(c(53.45,45,35,95,392.83291,19.82001,37.081,35,45,60,130),nrow
= 11)

rownames([Link]) <- c("Promedio","Mediana","Moda","rango(35-130)","varianza",


"desviacion estandar","coeficiente de variacion",
"cuartil 1","cuartil 2", "cuartil 3", "cuartil 4")

colnames([Link]) <- c("Gastos")

[Link] <- [Link]([Link])


[Link]
```

### seguimos con ingresos


```{r}
ingresos <- muestra_credito$Ingresos

promedioi <- sum(ingresos)/length(ingresos)

medianai <- median(ingresos)

modai <- ds_mode(ingresos)

rangoi <- range(ingresos,[Link] = FALSE)

varianza_ingresos <- round(var(ingresos),5)

desvest_ingresos <- round(sd(ingresos),5)

coefvar_ingresos <- round(ds_cvar(ingresos),3)

cuartil1_ingresos <- quantile(x = ingresos,probs = c(0.25,0.5,0.75,1),type = 6)

cuartil1_ingresos <- quantile(x = ingresos,probs = c(0.25),type = 6)

cuartil2_ingresos <- quantile(x = ingresos,probs = c(0.5),type = 6)

cuartil3_ingresos <- quantile(x = ingresos,probs = c(0.75),type = 6)

cuartil4_ingresos <- quantile(x = ingresos,probs = c(1),type = 6)

[Link]<-
matrix(c(170.3375,143,90,462,8798.22642,93.79886,55.066,94.5,143,230,500),nrow =
11)

rownames([Link]) <- c("Promedio","Mediana","Moda","rango(38-


500)","varianza",
"desviacion estandar","coeficiente de variacion",
"cuartil 1","cuartil 2", "cuartil 3", "cuartil 4")

colnames([Link]) <- c("ingresos")

[Link] <- [Link]([Link])


[Link]
```

### y finalmente con cantidad


```{r}
cantidad <- muestra_credito$Cantidad

promedioc <- sum(cantidad)/length(cantidad)

medianai <- median(cantidad)

modac <- ds_mode(cantidad)

rangoc <- range(cantidad,[Link] = FALSE)

varianza_cantidad <- round(var(cantidad),5)

desvest_cantidad <- round(sd(cantidad),5)

coefvar_cantidad <- round(ds_cvar(cantidad),3)

cuartil1_cantidad <- quantile(x = cantidad,probs = c(0.25,0.5,0.75,1),type = 6)

cuartil1_cantidad <- quantile(x = cantidad,probs = c(0.25),type = 6)

cuartil2_cantidad <- quantile(x = cantidad,probs = c(0.5),type = 6)

cuartil3_cantidad <- quantile(x = cantidad,probs = c(0.75),type = 6)

cuartil4_cantidad <- quantile(x = cantidad,probs = c(1),type = 6)

[Link]<-
matrix(c(1045.7125,1000,1300,4300,391269.44794,625.51535,59.817,625,1000,1300,4500)
,nrow = 11)

rownames([Link]) <- c("Promedio","Mediana","Moda","rango(200-


4500)","varianza",
"desviacion estandar","coeficiente de variacion",
"cuartil 1","cuartil 2", "cuartil 3", "cuartil 4")

colnames([Link]) <- c("cantidad")

[Link] <- [Link]([Link])


[Link]
```

También podría gustarte