INICIACIÓN A LA INVESTIGACIÓN EN ESTADÍSTICA APLICADA EN INGENIERÍA

Transcripción

1 INICIACIÓN A LA INVESTIGACIÓN EN ESTADÍSTICA APLICADA EN INGENIERÍA

2 Manejo de datos Introducir datos Para introducir los datos en R tenemos varias opciones: Introducir los datos de cada variable directamente en un vector Introducirlos uno a uno, con x<-scan() Se suelen organizar los datos en una tabla Ej.: x<-6:1; y<-factor(rep(c("m","f"),c(3,3))); datos<-data.frame(nombrevar1=x,nombrevar2=y) Para editar la tabla de datos sin cambiarlos, edit(datos) Para modificar la tabla, fix(datos) o también datos<-edit(datos) Para referirnos a la variable NombreVar1 de la tabla datos: datos$nombrevar1 Con attach(datos) podemos manejar las variables de la tabla datos independientemente.

3 Manejo de datos Importar y exportar datos con R Leer datos De un archivo: read.table("c:\\directorio\\fichero",header=true) Con?read.table ver también otras opciones y formatos. Mirar también el paquete foreign. De los paquetes cargados: la función data() devuelve una lista de datos disponibles en los paquetes cargados. La función summary() resume la información de cada variable en la tabla. Escribir datos A un archivo: write.table("c:\\directorio\\fichero") Mirar también el paquete foreign.

4 Manejo de datos Introducir datos con R-Commander Cargamos el R-Commander con library(rcmdr). En R-Commander tenemos una interfaz gráfica para introducir datos: Datos Nuevo conjunto de datos que nos lleva a la edición de una tabla de datos. Se pueden ver los comandos correspondientes de R en la ventana de instrucciones. Se puede visualizar o editar la tabla de datos pulsando un botón. Ej.: Generar una tabla de datos con las 2 variables siguientes, una numérica y otra de atributo Valor: 4, 3, 5, 3, 1, 6 Género: M, M, M, F, F, F

5 Manejo de datos Importar y exportar datos con R-Commander Desde el menú Datos también podemos Importar datos desde un archivo externo, eligiendo primero su formato. También podemos cargar los datos contenidos en algún paquete, desplegando Datos Conjuntos de datos en paquetes Con Lista de conjuntos de datos en paquetes vemos los datos incluidos en los paquetes cargados. Con Leer conjunto de datos desde paquete adjunto se pueden seleccionar los datos incluidos en los paquetes cargados. Para resumir la información del conjunto de datos activo Estadísticos Resúmenes Conjunto de datos activo Para exportar el conjunto de datos activo Datos Conjunto de datos activo Exportar el... Ej.: Cargar la tabla de datos Chile del paquete car y mostrar los resúmenes de sus variables.

6 Estadística descriptiva: una variable Medidas características Ya hemos visto que summary() devuelve un resumen, que incluye: Media, cuartiles, mínimo y máximo para variables numéricas. La frecuencia absoluta de cada nivel para variables tipo factor. También sabemos cómo calcular medidas características de un vector: Medidas de centralización: mean, median Medidas de posición: quantile Medidas de dispersión: var, sd, IQR Ej.: Cargar el conjunto de datos iris. Calcular todas las medidas características de la segunda variable en dicho conjunto de datos. Cómo calcularías el coeficiente de asimetría? Se pueden calcular medias recortadas con la función mean?

7 Estadística descriptiva: una variable Tablas Las tablas de frecuencias absolutas para una variable cualitativa se obtienen con el comando table. Para obtener frecuencias relativas dividimos por la longitud del vector. Para obtener frecuencias porcentuales multiplicamos las relativas por 100. Con todo, R no proporciona tablas con los 3 tipos de frecuencias simultáneamente. Ej.: Genera un vector llamado lanzamientos de tipo factor con los siguientes resultados cara, cara, cruz, cara, cruz, cruz Organiza sus frecuencias absolutas, relativas y porcentuales en una matriz de orden 2 3. Sabrías ponerle nombres a las filas y columnas de dicha matriz?

8 Estadística descriptiva: una variable Tablas Para variables numéricas discretas, se puede hacer igual. Para obtener frecuencias absolutas acumuladas se usa cumsum sobre el vector de frecuencias absolutas. Para obtener frecuencias relativas acumuladas dividimos las absolutas por la longitud del vector. Ej.: Genera 60 tiradas de un dado con tiradas<-sample(1:6,60,replace=true) Organiza las frecuencias abs., abs. acum., rel. y rel. acum. de cada resultado en una matriz de orden 6 4.

9 Estadística descriptiva: una variable Tablas Para variables numéricas continuas, primero hay que organizar los datos en intervalos. Esto se hace con cut(x=,breaks=) En breaks podemos decirle cuántos intervalos queremos o proporcionar un vector con los extremos de los intervalos. Las reglas de Sturges y de Scott para elegir el número de intervalos se obtienen, respectivamente, con nclass.sturges y nclass.scott. Después se aplican los procedimientos anteriores para la variable devuelta por cut. Ej.: Para la tercera variable de los datos iris, representa las frecuencias abs., abs. acum., rel. y rel. acum. del resultado de dividir dichas observaciones en 9 intervalos.

10 Estadística descriptiva: una variable Gráficos con R Para hacer un diagrama de barras se utiliza barplot sobre la tabla de frecuencias asociada. Ej.: Para las tiradas del dado barplot(table(tiradas),xlab="resultados", ylab="frec. abs.", main="tiradas de un dado") Para hacer un diagrama de sectores se usa pie, también sobre la tabla de frecuencias correspondiente. Ej.: pie(table(tiradas)) Para ver todas sus posibilidades example(pie). El histograma se consigue directamente con hist(x=,breaks=). En este caso, breaks funciona igual que en cut. El diagrama de cajas se consigue con boxplot. Ej.: Pintar el diagrama de cajas y el histograma para la tercera variable de iris con el número de barras sugerido por la regla de Scott.

11 Estadística descriptiva: una variable Tablas y gráficos con R-Commander Tampoco R-Commander tiene instrucciones específicas para las tablas de frecuencias de una variable. Los gráficos se obtienen en el menú Gráficas, donde podemos encontrar Gráfica de barras Gráfica de sectores ( Estas dos sólo se permiten con variables de tipo cualitativo) Histograma Diagrama de caja Ej.: Cargar los datos ChickWeight del paquete datasets y realizar los gráficos más adecuados para cada variable.

12 Estadística descriptiva: dos variables Medidas características Para una variable cuantitativa y otra cualitativa, es fácil definir una matriz que tenga por columnas los resúmenes para cada nivel de la variable cualitativa. P.ej.: attach(coagulation);resumenes<-numeric(); for(j in levels(diet)){resumenes<-cbind(resumenes,summary(coag[diet==j]))}; colnames(resumenes)<-levels(diet);resumenes Ya sabemos calcular cov y cor. P.ej.: Calcular la correlación entre la primera y tercera variable de iris.

13 Estadística descriptiva: dos variables Tablas de contingencia Primero hacemos tabla<-table(x,y) y luego prop.table(tabla) tabla de frecuencias conjuntas prop.table(tabla,1) tabla de frecuencias condicionadas por filas prop.table(tabla,2) tabla de frecuencias condicionadas por columnas Ej.: library(car);tabla<-table(chile[,c(3,5)])

14 Estadística descriptiva: dos variables Gráficos Los diagramas de barras agrupadas se consiguen aplicando barplot(tabla,beside=true,legend=true) a la tabla de dos variables. Para cambiar la variable que está en el eje x basta trasponer la tabla. Los diagramas de barras apiladas se consiguen aplicando barplot(tabla,beside=false,legend=true) a la tabla de dos variables. Para dibujar varios diagramas de cajas de una variable x según las categorías de una variable z se escribe boxplot(x~z) Para dibujar un diagrama de dispersión de dos variables numéricas x, y simplemente escribimos plot(x,y). Para añadir la ĺınea de mínimos cuadrados escribimos abline(lm(y~x)).

15 Estadística descriptiva: dos variables Ejercicio: Investigar cómo hacer el análisis descriptivo para dos variables con R-Commander.