Quartz 4

suma de valores

4 min read

PRÁCTICA 1: Análisis de Estadística Descriptiva

En esta práctica se va a realizar un análisis de estadística descriptiva sobre los datos contenidos en un dataset. El conjunto de datos con el que trabajaremos, Motor Trend Car Road Tests, contiene información extraída de la revista Motor Trend US de 1974, y comprende el consumo de combustible y 10 aspectos del diseño y rendimiento de 32 modelos de automóviles de los años 1973-1974.

En R, como parte del paquete “datasets”, hay una copia parcial de este dataset denominada “mtcars” lista para utilizarse. Utilizaremos esta copia para la práctica.

View(mtcars)
n=length(mtcars$mpg)
install.packages("modeest")
i

Pasos a seguir en la práctica:

Relacionado: CENT. Practica 1 Apendice Programacion con sockets en Python Master IoT UCM Practicas RPIANIOTLSI 2425. Comprobacion de codigo comprobacion de tipos.

1. Tamaño muestral y la suma de todos los valores de la variable consumo (mpg)

  • Obtener el tamaño muestral de la variable mpg.
  • Calcular la suma de todos los valores de mpg.
paste("El tamaño muestral es: ", length(mtcars$cyl))
# suma de valores
paste("EL consumo total de todos los modelos es de:", sum(mtcars$mpg))

2. Cálculo de las medias aritmética y geométrica de la variable consumo (sin usar la función “mean”)

  • Calcular la media aritmética de mpg.
  • Calcular la media geométrica de mpg.
consumo = sum(mtcars$mpg)/length(mtcars$mpg)
paste("la media aritmética del consumo es:", consumo)
paste("La media geométrica del consumo es: ", prod(mtcars$mpg)**(1/32))

3. Obtener y mostrar por pantalla la media aritmética y la mediana de la variable consumo utilizando funciones internas de R.

paste("la media aritmetica es:", mean(mtcars$mpg), "y la mediana es:", median(mtcars$mpg))

4. Almacenar en un vector las desviaciones de la media de todos los elementos de la variable consumo.

5. Calcular la desviación típica y la varianza de la variable consumo sin utilizar funciones estadísticas internas de R (utilizando el vector de desviaciones).

v = c(mtcars$mpg)
v2 = v - consumo
varianza=(sum((mtcars$mpg-consumo)**2)/n)
paste("la desviación típica es: ", varianza**(1/2) , "y la varianza es: ", varianza)

6. Utilizar funciones estadísticas de R para calcular y mostrar la desviación típica y la varianza de la variable consumo.

  • Comparar los resultados con los obtenidos en el paso 5 y comentar.
paste("La desviación típica según R es:",sd(mtcars$mpg))
paste("La desviación típica según R es:",var(mtcars$mpg))
paste("Esto se debe a que R utiliza la formula para calcular la desviación y la varianza en muestras de poblaciones, y estas utilizan N-1 en lugar de N, para añadir cierto margen de error al estudio")

7. Calcular la moda de las variables número de cilindros (cyl) y número de marchas (gear).

paste("La moda del nº de cilindros es:", modeest::mfv(mtcars$cyl), "y la moda del nº de marchas es:", modeest::mfv(mtcars$gear))

8. Calcular el rango y la amplitud de la variable consumo (mpg).

paste("El rango del cunsumo es", range(mtcars$mpg))
paste("y la amplitud es: ", max(mtcars$mpg)-min(mtcars$mpg))

9. Calcular los cuartiles de la variable consumo (mpg).

paste("Los cuartiles del consumo son: ", quantile(mtcars$mpg, .25), "," , quantile(mtcars$mpg, .50), ",", quantile(mtcars$mpg, .75), ".")

10. Calcular los percentiles 47, 54 y 82 de la variable consumo (mpg).

paste("Los cuantiles 47,54 y 82 del consumo son: ", quantile(mtcars$mpg, .47), "," , quantile(mtcars$mpg, .54), ",", quantile(mtcars$mpg, .82), ".")

11. Crear el histograma de frecuencias absolutas y absolutas acumuladas para la variable consumo (mpg).

(hist(mtcars$mpg))
plot.ecdf(mtcars$mpg)

12. Cargar un nuevo dataset completo, con información de 155 automóviles en lugar de los 32 del dataset “mtcars”.
Para ello, cargar el dataset desde un archivo CSV con el siguiente código:

cardata <- read.csv(file="cardata.csv", header=TRUE, sep=";")
cardata <- read.csv(file = "cardata(2)(2)", header = TRUE, sep=";")
 
paste("El tamaño muestral es: ", length(cardata$mpg))
paste("La media es: ", mean(cardata$mpg, na.rm = TRUE))
paste("La mediana es: ", median(cardata$mpg, na.rm = TRUE))

13. Utilizando el nuevo dataset (cardata), calcular:

  • El tamaño muestral.
  • La media de la variable mpg.
  • La mediana de la variable mpg.

Graph View

Backlinks