Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 8 vistas

    Rmarkdown RMD

    Cargado por

    Juan Mortigo

    Copyright:

    © All Rights Reserved
    Descargue como TXT, PDF, TXT o lea en línea desde Scribd

    Rmarkdown RMD

    Cargado por

    Juan Mortigo
    8 vistas5 páginas

    Título original

    rmarkdown.Rmd

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    TXT, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Copyright:

    © All Rights Reserved
    Descargue como TXT, PDF, TXT o lea en línea desde Scribd
    Descargar como txt, pdf o txt
    8 vistas5 páginas

    Rmarkdown RMD

    Cargado por

    Juan Mortigo

    Copyright:

    © All Rights Reserved
    Descargue como TXT, PDF, TXT o lea en línea desde Scribd
    Descargar como txt, pdf o txt
    Está en la página 1de 5

    ---

    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 <- na.omit(datos_credito)

    set.seed(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}
    estcivil.vivienda <- table(muestra_credito$EstadoCivil, muestra_credito$Vivienda)
    estcivil.vivienda

    estadocivil <- table(muestra_credito$EstadoCivil)


    estadocivil

    vivienda <- table(muestra_credito$Vivienda)


    vivienda

    estadocivil1 <- as.data.frame(estadocivil)


    estadocivil1

    vivienda1 <- as.data.frame(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 <- hcl.colors(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),
    show.legend = FALSE) +
    coord_polar(theta = "y") +
    scale_fill_brewer(palette = "GnBu") +
    xlim(c(0.2, hsize + 0.5))+
    theme(panel.background = 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 <- hcl.colors(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),
    show.legend = FALSE) +
    coord_polar(theta = "y") +
    scale_fill_brewer(palette = "GnBu") +
    xlim(c(0.2, hsize + 0.5))+
    theme(panel.background = 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 <- data.frame(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(axis.title.x = element_text(size = 15,
    color = "blue",
    face = "bold"),
    axis.title.y = element_text(size = 15,
    color = "red",
    face = "italic"))+
    stat_boxplot(geom = "errorbar",
    width = 5) +
    geom_boxplot(fill = "dodgerblue1",
    colour = "black",
    alpha = 5,
    outlier.colour = "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)

    gast.ord <- sort(x=gastos,decreasing = FALSE)

    mediana <- median(gastos)

    moda <- ds_mode(gastos)

    rango <- range(gastos,na.rm = 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)

    tabla.gastos<- matrix(c(53.45,45,35,95,392.83291,19.82001,37.081,35,45,60,130),nrow
    = 11)

    rownames(tabla.gastos) <- c("Promedio","Mediana","Moda","rango(35-130)","varianza",


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

    colnames(tabla.gastos) <- c("Gastos")

    tabla.gastos <- data.frame(tabla.gastos)


    tabla.gastos
    ```

    ### seguimos con ingresos


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

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

    medianai <- median(ingresos)

    modai <- ds_mode(ingresos)

    rangoi <- range(ingresos,na.rm = 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)

    tabla.ingresos<-
    matrix(c(170.3375,143,90,462,8798.22642,93.79886,55.066,94.5,143,230,500),nrow =
    11)

    rownames(tabla.ingresos) <- c("Promedio","Mediana","Moda","rango(38-


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

    colnames(tabla.ingresos) <- c("ingresos")

    tabla.ingresos <- data.frame(tabla.ingresos)


    tabla.ingresos
    ```

    ### y finalmente con cantidad


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

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

    medianai <- median(cantidad)

    modac <- ds_mode(cantidad)

    rangoc <- range(cantidad,na.rm = 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)

    tabla.cantidad<-
    matrix(c(1045.7125,1000,1300,4300,391269.44794,625.51535,59.817,625,1000,1300,4500)
    ,nrow = 11)

    rownames(tabla.cantidad) <- c("Promedio","Mediana","Moda","rango(200-


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

    colnames(tabla.cantidad) <- c("cantidad")

    tabla.cantidad <- data.frame(tabla.cantidad)


    tabla.cantidad
    ```

    También podría gustarte