Fase 4: Proyecto con Procesamiento Estadístico. 

  Estudiante:

Maira Fernanda Villota Mavisoy

N.C: 1085322246

Código del curso

300046-4

Tutor:

Manuel Torres

Universidad Nacional Abierta y a Distancia Unad

Escuela de Ciencias Agrícolas y Pecuarias y del Medio Ecapma

Programa de zootecnia

Julio 2020
 Introducción

Este trabajo está realizado con el fin de Aplicar los conceptos de estadística aprendidos en el
curso, además, es muy importante mencionar, como estudiantes de educación superior, es
indispensable tener conocimientos de esta ciencia, el trabajo está compuesto por dos etapas, en la
primera etapa, se define un área de trabajo donde se puedan obtener datos de variables continuas,
discretas y cualitativas, por consiguiente, el trabajo está realizado con los diferentes datos
obtenidos en el recorrido de la Institución Educativa Agropecuaria Inga de Aponte, se indica la
ubicación del sitio fuente de los datos: institución, municipio, vereda. Continuamos con la
segunda etapa, Ingresar los datos respectivos para la variable continua, discreta y categórica en el
programa R, también, se interpreta los gráficos obtenidos del programa, finalmente, encontramos
ejecutado todo el código de la fase 4 Proyecto con Procesamiento Estadístico.
 Objetivos

Aplicar los conceptos de estadística aprendidos en el curso por medio del desarrollo de un
proyecto agrícola, pecuario o ambiental con procesamiento estadístico.
 Evidencias fotográficas

Institución Educativa Agropecuaria Inga de Aponte

Tablón de Gómez – Nariño

En esta Institución Educativa, incorporan

prácticas ancestrales en el desarrollo  de las
producciones agropecuarias para garantizar una
relación armónica con Nukanchipa Alpa Mama.

En esta imagen, de forma ordenada, se

identifica la zona de Producción Pecuaria –
Especies Menores
. Zona de Producción Pecuaria
. Producción - Carpicultura
. Producción - Porcicultura
. Producción - Avicultura

Chagra Educativa, es el lugar, donde implementa

practicas ancestrales de la siembra de plantas
medicinales

Camada 3, hembra 07-12. Línea Camborough

4 Parto de la hembra
16 lechones

ZONA TECNIFICADA

Camada 6, Hembra 16-7. Camborough

6 Parto de la hembra
14 Lechones
2 cerdas de remplazo

Camada 2 - Cama Profunda

Zona de Producción
Caprina

RAZAS

Hembra: Nubiana
Macho: Saanen
 Personal encargado
de la Producción
Pecuaria – Especies
Menores

La actividad: Etapa 1.
1. Defina un área de trabajo donde se puedan obtener datos de variables continuas, discretas
y cualitativas.
Sistemas de Producción Pecuario – Especies Menores

2. Indique la ubicación del sitio fuente de los datos: institución, municipio, vereda y/o finca si
aplica. El informe debe presentar los detalles de la locación elegida que permitan entender el
contexto sobre el cual se realiza la investigación.

3. Determine una variable continua, una discreta y una cualitativa. Se debe realizar una
descripción clara de cada una de las variables elegidas y la metodología utilizada para la
recolección de la información.
 4. Gestionar como mínimo 30 datos de cada una de las variables (si se puede más, mejor).

5. Se debe presentar evidencia fotográfica en el informe que brinde una contextualización del
entorno donde se realizó la investigación y donde aparezca el estudiante recolectando

Informe de la Investigación en la Institución Educativa Agropecuaria Inga de Aponte

El siguiente informe, se da a conocer los aspectos y características entré las que tenemos
topográficas, características ambientales, sistemas de producción animal, Identificadas en el

sistema de producción en la explotación pecuaria visitada.

La Institución Educativa Agropecuaria Inga de Aponte, se ubica en el resguardo indígena inga

de Aponte, al Nororiente del departamento de Nariño a 88 kilómetros de la ciudad de Pasto, a una
temperatura promedia de 18 grados centígrados y a una altura sobre el nivel del mar de 2.150
metros. Así mismo, esta Institución Educativa, brinda a la comunidad una educación
fundamentada en el mandato integral de vida del pueblo inga, con la inclusión de saberes
externos, generando en el estudiante sentido de pertenencia, manteniendo una relación armónica
con los derechos fundamentales de la madre tierra, a través de la modalidad agropecuaria.

Esta institución, como anteriormente lo hemos mencionado, es una institución agropecuaria,

por esta razón, solicite al rector Fredy Janamejoy Mavisoy, me conceda, acceso a esta institución,
con el propósito, de identificar, las instalaciones y la zona de producciones pecuarias, así mismo,
interactuar con los encargados de esta producción, el día 20 de julio del 2020, recibo un mensaje
del señor rector confirmando mi solicitud, después de esto, el día 22 de julio del 2020, realizo la
inspección de la institución educativa agropecuaria inga de aponte ; como encargados de esta
práctica estaba la señora Rosa Soscue Muños, Técnica en producción pecuaria y el señor José
Luis Chasoy Muños, Trabajador de campo, Estas dos personas son las encargadas de la
producción pecuaria, tales como; la producción porcina, caprina y aves, sin embargo la técnica
manifiesta, que la producción de pollos de engorde; esta aplazada por el momento, ya que, las
instalaciones están en remodelación. De igual forma continuamos con el recorrido de las otras
producciones, en las instalaciones porcina, encontramos, 30 lechones, 5 hembras reproductoras, 1
macho reproductor, 2 hembras de remplazo, manejan una ración de alimento diaria, en este caso,
las hembras gestantes con una ración de 4,5 kg/día, hembras reproductoras 2kg/ día, macho
reproductor 2kg/día, hembras de remplazo 2kg/ día. Además, es necesario reconocer la labor de
las personas encargadas, trabajan de dos formas tradicional y tecnificada implementando medidas
de bioseguridad y bienestar animal, con la intención, de obtener un producto de calidad.

Igualmente, el manejo de esta producción es muy estricto. Es decir, Debe hacerse la toma
organizada de datos como la fecha de nacimiento edad y peso al destete, servicio y primer parto,
y las fechas de parto y servicio de las hembras reproductoras de la explotación.

Continuamos, con el recorrido, pasamos a la producción caprina, en el momento hay una

hembra reproductora de Raza Nuviana y un macho reproductor de Raza Saanen, en cuanto, a la
hembra esta por verificar preñez, con relación a la alimentación manejan pastoreo y una ración de
2kg/ día de alimento suplementario para esta producción.
 Por consiguiente, se puede observar que los pastos establecidos en la zona, no son de calidad
se observa el kikuyo palsapoa, entre otros, esto impide desarrollar el potencial de producción de

los caprinos.

Como se mencionó anteriormente, la producción de pollos de engorde, no está funcionando,

sin embargo, revise las instalaciones, según el personal encargado estas instalaciones están
adecuadas para 1000 pollos, en ese caso, se organizan lotes de 200 pollos, de tal manera que se
mantenga una producción homogénea y producto de calidad.

Finalmente, pasamos a la Chagra Educativa, es el lugar, donde implementa practicas

ancestrales de la siembra de plantas medicinales, así mismo, a sus alrededores existe Flora y
fauna predomínate, se encuentra una gran diversidad de flora entre las que tenemos. Aliso, sauco,
acacias, abutilon, pino sipre, guayacán, botón de oro, sauce, rapan roble, jazmín nocturno. Para
terminar, estas especies son muy importantes, La utilización de los arboles como cercas vivas,
disminuye el costo de mantenimiento al no tener que remplazar cercas muertas, igualmente
disminuye los malos olores por la producción porcina.

Después de finalizar el recorrido por las diferentes instalaciones pecuarias, determine trabajar una
variable continua, una discreta y una cualitativa.

 Variables Continuas

Peso de los lechones al destete

 Variables Discretas
Numero de crías por hembra
 variables cualitativas
Especies de plantas en la Chagra Educativa. Aliso, Sauco, Acacias, Abutilon, Pino Cipres
Guayacán, Botón de oro, Sauce, Rapan roble, Jazmín nocturno.
CATEGORIAS
1.Cercas vivas
2. Aromáticas
3. Sistema silvopastoril
4.medicinales
 Etapa 2

VARIABLE CUANTITATIVA CONTINUA

PESO DE LECHONES AL DESTETE

CONTINUA=c(4.5,5.2,3.9,5.3,3.5,4.2,3.9,3.5,5.9,3.9,5.1,5.3,5.5,3.9,4.5,5.7,4.9,5.9,4.2,5.
3,6.2,4.4,3.8,3.9,4.2,4.9,6.1,4.5,5.4,6.7,3.8,4.6,5.1,5.8,6.1)

Resumen estadístico

Min. 1st Qu. Median Mean 3rd Qu. Max.

3.500 4.050 4.900 4.846 5.450 6.700
 Media Aritmética= 4.845714
 Varianza= 0.766084
 Desviación Estándar= 0.8752623
 Mínimo= 3.5
 Máximo= 6.7
 Rango= 3.5 6.7
 Mediana= 4.9
 Número de datos= 35
 Cuantil Q1 25% = 4.05
 Cuantil Q2 que es la misma mediana 50% = 4.9
 Cuantil Q3 75% = 5.45
 Rango intercuartílico= 1.4

VARIABLE CUANTITATIVA DISCRETA

Numero de crías por hembra reproductora Porcina

DISCRETA=c(8,12,8,6,11,16,5,8,14,12,9,12,16,8,8,14,7,7,9,14,9,12,3,9,7,16,7,7,16,9)
Resumen estadístico
Min. 1st Qu. Median Mean 3rd Qu. Max.
3.000 7.250 9.000 9.967 12.000 16.000
 Mínimo= 3
 Máximo= 16
 Rango=3 - 16
  Media aritmética= 9.966667
 Mediana= 9
 Número de datos= 30
 Desviación estándar= 3.56693
 Cuantil Q1 25% =7.25
 Cuantil Q2 que es la mimsa mediana 50% = 9
 Cuantil Q3 75%= 12
 Rango intercuartílico= 4.75
Ordenar
3 5 6 7 7 7 7 7 8 8 8 8 8 9 9 9 9 9 11 12 12 12 12 14 14
14 16 16 16 16

VARIABLE CUALITATIVA
Chagra Educativa
1.Cercas vivas
2. Aromáticas
3. Sistema silvopastoril
4.medicinales
Resumen estadístico
Min. 1st Qu. Median Mean 3rd Qu. Max.
3.000 7.250 9.000 9.967 12.000 16.000
 Mínimo= 3
 Máximo= 16
  Rango= 3 - 16
 Media aritmética= 9.966667
 Mediana= 9
 Número de datos=30
 Desviación estándar= 3.56693
 Cuantil Q1 25% = 7.25
 Cuantil Q2 que es la mimsa mediana 50% = 9
 Cuantil Q3 75% = 12
 Rango intercuartílico= 4.75
Ordenar
3 5 6 7 7 7 7 7 8 8 8 8 8 9 9 9 9 9 11 12 12 12 12 14 14
14 16 16 16 16

GRAFICO
CON REGLA DE STURGES
 Histogram of CONTINUA

Como todos ya conocemos, la

8 Regla de Sturges; Define el número
de intervalos para presentar la
frecuencia de la variable (en este
6

caso, 6 intervalos)
Frequency

4
2
0

3.5 4.0 4.5 5.0 5.5 6.0 6.5

CONTINUA

SIN REGLA DE STURGES

Histogram of CONTINUA
8

En este grafico sin la Regla de

Sturges, se obtiene intervalo, con el
6

límite inferior con el límite

Frequency

superior, para obtener valores

aproximados, en este caso, el
4

primer intervalo
L.Inferior= 3.5 , L.Superior= 4.0
2

APROX= 3.75 y así continuamos

obteniendo 7 intervalos
0

3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0

CONTINUA

DIAGRAMA DE CAJAS (BOXPLOT) - VARIABLE CONTINUA

 Boxplot CONTINUA PERIODO 763

6.5
6.0
Podemos visualizar los valores de
la variable continua, la mediana
está en 4.9, Cuartil Superior 4.45,
unidad de medida

5.5

Cuartil Inferior 4.05,cabe

5.0

mencionar que este ejercicio es, de

4.5

peso de lechones detestos,

llegamos a la conclusión de que el
4.0

peso promedio que tienen los

3.5

lechones es de 4.9 KG

GRÁFICOS DE TABLAS DE FRECUENCIAS ABSOLUTA - DISCRETA

En este grafico podemos observar

de forma inmediata el número de
veces que se repiten los datos, las
variables 3,5,6,11 se repiten 1 sola
vez, las variables 7,8,9 se repiten 5
veces, las variables 12, 16 se
repiten 4 veces y por último la
variable 14 se repite 3 veces; con
un total de 30 datos
 Diagrama de barras PERIODO 763 Frecuencia Absoluta DISCRETA

5
4
Frecuencias Absolutas

3
2
1
0

3 5 6 7 8 9 11 12 14 16

FRECUENCIA ABSOLUTA ACUMULADA

Diagrama de barras PERIODO 763 Frecuencia Absoluta Acumulada DISCRETA

30
25
Frecuencia Absoluta Acumulada

Igualmente, en este grafico nos

20

muestra la frecuencia absoluta, el

número total de los datos, formando
15

una jiva.
10
5
0

3 5 6 7 8 9 11 12 14 16

FRECUENCIA RELATIVA – DISCRETA

Diagrama de barras PERIODO 763 Frecuencia Relativa DISCRETA

0.15
En este gráfico, observamos cómo
se obtiene la frecuencia relativa,
Frecuencia Relativa

0.10

como paso es la frecuencia absoluta

dividida por el número de datos, las
variables 3,5,6: son igual a la
frecuencia relativa a 0.03333333 y
0.05

así continuamos con las demás

variables
0.00

3 5 6 7 8 9 11 12 14 16

FRECUENCIA RELATIVA ACUMULADA- DISCRETA

Diagrama de barras PERIODO 763 Frecuencia Relativa Acumulada DISCRETA

1.0
0.8 En este grafico se observa el
Frecuencia Relativa Acumulada

resultado de ir sumando la
frecuencia relativa, obteniendo
0.6

como resultado 1
0.4
0.2
0.0

3 5 6 7 8 9 11 12 14 16

DIAGRAMA DE CAJAS (BOXPLOT) – DISCRETA

16
14

Se observa de forma inmediata, la

12

mediana que está en 9, Cuartil

superior 12, Cuartil Inferior 7.25,
10

en este caso la mediana es 9

8

Lechones por parto.

6
4

TORTA 6 PARA - VARIABLE DISCRETA

 Grafico de tarta PERIODO 763 Frecuencia Absoulta DISCRETA

7
8 En el gráfico de tarta, fácilmente se
6 identifica los resultados de cada
5 variable, en este caso la mediana se
3 mantiene en 9 lechones por parto y
9 así continuamos con las demás
16

11

12 14

GRAFISCOS DE LA VARIABLE CUALITATIVA

FRECUENCIAS ABSOLUTAS

Diagrama de Barras PERIODO 763 Frecuencia Absoluta CATEGORICA

8
Frecuencias absolutas

En este gráfico, se observa el

4

número de veces que se repite la

categoría, en este caso la variable
cualitativa se la divide por
2

categorías.
0

1.Cercas vivas
1 2 3 4
2. Aromáticas
3. Sistema silvopastoril
4.medicinales

FRECUENCIA RELATIVA- VARIABLE CUALITATIVA

 Indica la frecuencia de cada nivel
en términos de porcentaje
(multiplicar por 100), categorías
1= 0.2903226
2=0.2258065
3=0.2580645
4=0.2258065

Diagrama de barras PERIODO 763 Frecuencia Relativa CATEGORICA

0.25
0.20
Frecuencias relativas

0.15
0.10
0.05
0.00

1 2 3 4
 Conclusiones

Primeramente, con el desarrollo de esta actividad, se logró enriquecer nuestro conocimiento,

así mismo, conocer instalaciones que sirven para nuestra vida profesional, considero que es
necesario participar de forma responsable y sincera, con el fin, de garantizar un aprendizaje de
este curso estadística descriptiva en las ciencias agrarias.

Por otra parte, esta actividad, permitió interactuar con personas diferentes a nuestro entorno,
cabe mencionar, que, en las estrategias para cumplir, con el proyecto solicitado de las distintas
variables estadísticas, en gran parte, contribuyo el personal encargado de esas instalaciones, por
compartir sus experiencias y datos de manejo de cada área.

Igualmente es necesario plantear unas estrategias de aprendizaje para garantizar las

necesidades de nuestra comunidad, mas, sin embargo, es necesario continuar con rigurosidad,
poner en práctica lo aprendido en este curso hasta el momento.
 Referencias

Romero, E. (2016). Estadística para todos. Análisis de datos: estadística descriptiva, teoría de

la probabilidad e inferencia. Ediciones Pirámide. Disponible en: https://ebookcentral-proquest-
com.bibliotecavirtual.unad.edu.co/lib/unadsp/detail.action?docID=4569980&query=estad
%C3%ADstica+descriptiva

García, P. A. (2014). La interpretación de los datos: Una introducción a la estadística

aplicada. Recuperado de https://ebookcentral-proquest-
com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?docID=3227747&query=introducci
%C3%B3n+a+la+estad%C3%ADstica+
una vez haya finalizado de ejecutar todo el código debe copiar los resultados que aparecen
en la consola de resultados .

> # CODIGO R PARA LA FASE CUATRO DEL CURSO ESTADÍSTICA DESCRIPTIVA

(300046A_614)
# VARIABLE CUANTITATIVA CONTINUA

> # Ejemplos: peso (de animales, de cosechas, etc.), contenidos de nutrientes en el suelo (ppm),
pH, edad, material particulado, etc.
> # En el siguiente renglón reemplace y digite los 30 datos de su variable CONTINUA,
separándolos con comas. Para números decimales use punto:

CONTINUA=c(4.5,5.2,3.9,5.3,3.5,4.2,3.9,3.5,5.9,3.9,5.1,5.3,5.5,3.9,4.5,5.7,4.9,5.9,4.2,5.3,6.2,4.
4,3.8,3.9,4.2,4.9,6.1,4.5,5.4,6.7,3.8,4.6,5.1,5.8,6.1)
> # RECUERDE QUE NO DEBE CAMBIAR NINGUNA LINEA DEL CODIGO
> summary(CONTINUA)# Resumen estadístico
Min. 1st Qu. Median Mean 3rd Qu. Max.
3.500 4.050 4.900 4.846 5.450 6.700
> mean(CONTINUA)#media aritmética
[1] 4.845714
> var(CONTINUA)#varianza
[1] 0.766084
> sd(CONTINUA)#desviación estándar
[1] 0.8752623
> min(CONTINUA) #Mínimo
[1] 3.5
> max(CONTINUA)# Máximo
[1] 6.7
> range(CONTINUA) #Rango
[1] 3.5 6.7
> median(CONTINUA)# Mediana
[1] 4.9
> length(CONTINUA)# Número de datos
[1] 35
> quantile(CONTINUA, 0.25)# Cuantil Q1
25%
4.05
> quantile(CONTINUA, 0.5)# Cuantil Q2 que es la mimsa mediana
50%
4.9
> quantile(CONTINUA, 0.75)# Cuantil Q3
75%
5.45
> IQR(CONTINUA) #Rango intercuartílico
[1] 1.4
> sort(CONTINUA)# Ordenar
[1] 3.5 3.5 3.8 3.8 3.9 3.9 3.9 3.9 3.9 4.2 4.2 4.2 4.4 4.5 4.5 4.5 4.6 4.9 4.9
[20] 5.1 5.1 5.2 5.3 5.3 5.3 5.4 5.5 5.7 5.8 5.9 5.9 6.1 6.1 6.2 6.7
> # TABLA DE FRECUENCIAS (HISTOGRAMA)PARA VARIABLE CONTINUA, CON
REGLA DE STURGES
> # La regla de Sturges define el número de rangos para organizar la tabla de frecuencias:
> range(CONTINUA,na.rm=TRUE) # incluimos na.rm=TRUE para que ignore la presencia de
valores perdidos
[1] 3.5 6.7
> nclass.Sturges(CONTINUA)# Define el número de intervalos para presentar la frecuencia de la
variable (en este caso, 6 intervalos)
[1] 7
> seq(min(CONTINUA),max(CONTINUA),length=nclass.Sturges(CONTINUA)) # Límites de
los intervalos
[1] 3.500000 4.033333 4.566667 5.100000 5.633333 6.166667 6.700000
intervalosCONTINUA=cut(CONTINUA,breaks=seq(min(CONTINUA),max(CONTINUA),lengt
h=nclass.Sturges(min(CONTINUA))),include.lowest=TRUE)
> intervalosCONTINUA# Se muestran los intervalos de edad, uno correspondiente a cada edad
observada
[1] [3.5,4.57] (4.57,5.63] [3.5,4.57] (4.57,5.63] [3.5,4.57] [3.5,4.57]
[7] [3.5,4.57] [3.5,4.57] (5.63,6.7] [3.5,4.57] (4.57,5.63] (4.57,5.63]
[13] (4.57,5.63] [3.5,4.57] [3.5,4.57] (5.63,6.7] (4.57,5.63] (5.63,6.7]
[19] [3.5,4.57] (4.57,5.63] (5.63,6.7] [3.5,4.57] [3.5,4.57] [3.5,4.57]
[25] [3.5,4.57] (4.57,5.63] (5.63,6.7] [3.5,4.57] (4.57,5.63] (5.63,6.7]
[31] [3.5,4.57] (4.57,5.63] (4.57,5.63] (5.63,6.7] (5.63,6.7]
Levels: [3.5,4.57] (4.57,5.63] (5.63,6.7]
> puntos=min(CONTINUA)+(0:nclass.Sturges(CONTINUA))*(max(CONTINUA)-
min(CONTINUA))/nclass.Sturges(CONTINUA)
> hist(CONTINUA, breaks=puntos)# histograma de frecuencias usando la regla de Sturges
> # Instalación de la libreria agrícolae (permite el uso de otras herramientas estadísticas):
> # En "Secure CRAN mirrors", seleccionar: "USA(IA)"
> #Tener paciencia, ya que la instalación puede tomar varios minutos
> #Esperar hasta que el cursor (> |)vuelva a estar en color rojo en la parte inferior de la consola R
> install.packages("agricolae")
Installing package into ‘C:/Users/Toshiba/Documents/R/win-library/3.6’
(as ‘lib’ is unspecified)
--- Please select a CRAN mirror for use in this session ---
probando la URL 'https://mirror.las.iastate.edu/CRAN/bin/windows/contrib/3.6/agricolae_1.3-
3.zip'
Content type 'application/zip' length 1298973 bytes (1.2 MB)
downloaded 1.2 MB

package ‘agricolae’ successfully unpacked and MD5 sums checked

The downloaded binary packages are in

C:\Users\Toshiba\AppData\Local\Temp\RtmpygZLY0\downloaded_packages
> library(agricolae) # si la libreria se instaló correctamente, al dar CONTROL+R se pone Rojo
Warning message:
package ‘agricolae’ was built under R version 3.6.3
> # TABLAS DE FRECUENCIAS SIN REGLA DE STURGES:
> # Existen dos comandos que generan la misma tabla de frecuencia o histograma:
> # Gráficos de tabla de frecuencia:
> tbFreqCONTINUA=table.freq(hist(CONTINUA,plot=TRUE))
> hist(CONTINUA,ylab="Frecuencia",main="Histograma CONTINUA PERIODO
763")#Histograma
> # Tabla de frecuencia:
> tbFreqCONTINUA
Lower Upper Main Frequency Percentage CF CPF
1 3.5 4.0 3.75 9 25.7 9 25.7
2 4.0 4.5 4.25 7 20.0 16 45.7
3 4.5 5.0 4.75 3 8.6 19 54.3
4 5.0 5.5 5.25 8 22.9 27 77.1
5 5.5 6.0 5.75 4 11.4 31 88.6
6 6.0 6.5 6.25 3 8.6 34 97.1
7 6.5 7.0 6.75 1 2.9 35 100.0
> # Gráfico de diagrama de cajas o Boxplot (organiza los datos en los cuatro cuartiles):
> boxplot(CONTINUA,ylab="unidad de medida",main="Boxplot CONTINUA PERIODO
763")#Gráficos de cajas

# VARIABLE CUANTITATIVA DISCRETA

> # Son variables de conteo, como número de personas que habitan un predio, número de crías
por parto, número de frutos por cosecha, etc.
> # En el siguiente renglón, reemplace y digite los 30 datos de su variable DISCRETA,
separándolos con comas:
> DISCRETA=c(8,12,8,6,11,16,5,8,14,12,9,12,16,8,8,14,7,7,9,14,9,12,3,9,7,16,7,7,16,9)
> # RECUERDE QUE NO DEBE CAMBIAR NINGUNA LINEA DEL CODIGO
> summary(DISCRETA) # Resumen estadístico
Min. 1st Qu. Median Mean 3rd Qu. Max.
3.000 7.250 9.000 9.967 12.000 16.000
> min(DISCRETA) # Mínimo
[1] 3
> max(DISCRETA) # Máximo
[1] 16
> range(DISCRETA) # Rango
[1] 3 16
> mean(DISCRETA) # Media aritmética
[1] 9.966667
> median(DISCRETA) # Mediana
[1] 9
> length(DISCRETA) # Número de datos
[1] 30
> sd(DISCRETA) # Desviación standar
[1] 3.56693
> quantile(DISCRETA, 0.25) # Cuantil Q1
25%
7.25
> quantile(DISCRETA, 0.5) # Cuantil Q2 que es la mimsa mediana
50%
9
> quantile(DISCRETA, 0.75) # Cuantil Q3
75%
12
> IQR(DISCRETA) # Rango intercuartílico
[1] 4.75
> sort(DISCRETA) # Ordenar
[1] 3 5 6 7 7 7 7 7 8 8 8 8 8 9 9 9 9 9 11 12 12 12 12 14 14
[26] 14 16 16 16 16
> # Para las variables discretas, las tabla de frecuencias se desarrollan por pasos:
> FrAbsDiscreta=table(DISCRETA) # Se le asigna el nombre de "FrAbsDiscreta" para la Tabla
de frecuencias absolutas de la variable discreta
> FrAbsAcumDiscreta<-as.table(cumsum(FrAbsDiscreta))# Se le asigna el nombre de
"FrAbsAcumDiscreta" para la Tabla de frecuencias absolutas acumuladas de la variable discreta
> FrAbsAcumDiscreta #Frecuencias absolutas acumuladas
3 5 6 7 8 9 11 12 14 16
1 2 3 8 13 18 19 23 26 30
> FrRelDiscreta=prop.table(table(DISCRETA))# Se le asigna el nombre de "FrRelDiscreta" para
la Tabla de frecuencias relativas de la variable discreta
> FrRelDiscreta # La frecuencia relativa se da en porcentaje, acá se presenta de 0 a 1 y para
pasarla a porcentaje se multiplica por 100
DISCRETA
 3 5 6 7 8 9 11
0.03333333 0.03333333 0.03333333 0.16666667 0.16666667 0.16666667 0.03333333
12 14 16
0.13333333 0.10000000 0.13333333
> FrRelAcumDiscreta<-as.table(cumsum(FrRelDiscreta)) #Frecuencias relativas acumuladas
> FrRelAcumDiscreta # Para pasar a porcentaje, se debe multiplicar por 100
3 5 6 7 8 9 11
0.03333333 0.06666667 0.10000000 0.26666667 0.43333333 0.60000000 0.63333333
12 14 16
0.76666667 0.86666667 1.00000000
> # GRÁFICOS DE TABLA DE FRECUENCIAS (DIAGRAMA DE BARRAS)PARA
VARIABLE DISCRETA:
> barplot(FrAbsDiscreta,ylab="Frecuencias Absolutas",main="Diagrama de barras PERIODO
763 Frecuencia Absoluta DISCRETA")
> barplot(FrRelDiscreta,ylab="Frecuencia Relativa",main="Diagrama de barras PERIODO 763
Frecuencia Relativa DISCRETA")
> barplot(FrAbsAcumDiscreta,ylab="Frecuencia Absoluta Acumulada",main="Diagrama de
barras PERIODO 763 Frecuencia Absoluta Acumulada DISCRETA")
> barplot(FrRelAcumDiscreta,ylab="Frecuencia Relativa Acumulada",main="Diagrama de
barras PERIODO 763 Frecuencia Relativa Acumulada DISCRETA")
> # Gráfico de diagrama de cajas o Boxplot para variables discretas (organiza los datos en los
cuatro cuartiles):
> boxplot(DISCRETA)
>
> # GRÁFICO DE TORTA PARA VARIABLE DISCRETA:
>
> pie(FrAbsDiscreta,col=rainbow(6),main=c("Grafico de tarta PERIODO 763 Frecuencia
Absoulta DISCRETA")) # Gráfico de tarta

# VARIABLE CUALITATIVA O CATEGÓRICA

> # Son atributos no numéricos, como el nivel de estudios de una persona, el nivel de ingreso, o
el grado de ataque de un patógeno.
> # Para poder analizarlos es necesario codificarlos
> # Por ejemplo, si se hace una encuesta del nivel de estudio que tienen los agricultores de un
municipio, se pueden asignar cuatro niveles:
> # 1= sin estudio, 2= primaria, 3= secundaria y 4= universidad
> # CATEGORICA = Nivel de estudio de agricultores
> # En el siguiente renglón, reemplace y digite los 30 datos de su variable CUALITATIVA o
CATEGÓRICA, separándolos con comas:
> CATEGORICA=c(2,3,1,3,3,1,4,1,2,4,3,4,3,1,4,3,2,1,3,4,2,4,2,1,3,2,1,1,2,4,1)

> # Es necesario aclararle al programa que cada número es una categoría:

> # En el siguiente comando reemplace de acuerdo al número de niveles que tenga su variable
categórica:
> CATEGORICA=factor(CATEGORICA, levels=c(1,2,3,4)
+ # A continuación, indique el nombre de cada categoría:
+ # reemplace las palabras entre comillas, indicando el nombre de cada nivel de su variable:

+ labels=c("1 cercas vivas","2 Aromaticas","3 Sistema silvopartoril","4 medicinales" )

Error: unexpected symbol in:
"
labels"
>
> CATEGORICA # Muestra cada dato con el nombre del nivel de la categoría que se asignó
previamente
[1] 2 3 1 3 3 1 4 1 2 4 3 4 3 1 4 3 2 1 3 4 2 4 2 1 3 2 1 1 2 4 1
>
> summary(CATEGORICA) # Hace un resumen del número de individuos que pertenecen a
cada una de las categorías asignadas
Min. 1st Qu. Median Mean 3rd Qu. Max.
 1.000 1.000 2.000 2.419 3.000 4.000
> table(CATEGORICA) #Tabla de frecuencias absolutas
CATEGORICA
1234
9787
> # Al asignar nombres a los comandos, no se deben repetir los que se usaron previamente:
> FrAbsCategorica=table(CATEGORICA) # Se le asigna el nombre de "FrAbsCategorica" para
la Tabla de frecuencia absoluta de la variable categórica o cualitativa
> FrAbsCategorica # Presenta la tabla de frecuencia absoluta de la variable categórica
CATEGORICA
1234
9787
> FrRelCategorica=prop.table(table(CATEGORICA))# Se le asigna el nombre de
"FrRelCategorica" para la Tabla de frecuencia relativa de la variable categorica o cualitativa
> FrRelCategorica # Indica la frecuencia de cada nivel en términos de porcentaje (multiplicar
por 100)
CATEGORICA
1 2 3 4
0.2903226 0.2258065 0.2580645 0.2258065
>
> # GRÁFICOS DE VARIABLES CUALITATIVAS:
> barplot(FrAbsCategorica,ylab="Frecuencias absolutas",main="Diagrama de Barras PERIODO
763 Frecuencia Absoluta CATEGORICA") # Diagrama de barras (frecuencia absoluta) para cada
nivel de estudios
> barplot(FrRelCategorica,ylab="Frecuencias relativas",main="Diagrama de barras PERIODO
763 Frecuencia Relativa CATEGORICA") # Diagrama de barras (frecuencia relativa) para cada
nivel de estudios
> # Luis Alberto Cáceres
> # Director de curso
> # Estadística Descriptiva (para agrarias)