Análisis Estadístico: Frecuencias Desti y Vacants, Polígono Frecuencias Retrasos - Prof. F, Apuntes de Estadística

¡Descarga Análisis Estadístico: Frecuencias Desti y Vacants, Polígono Frecuencias Retrasos - Prof. F y más Apuntes en PDF de Estadística solo en Docsity!

Descargado en:

patatabrava .com

ESTADISTICA 1 (UB)

ACTIVIDAD & R COMANDER

VILADOMIU, NURIA 16-

R-Comander Activitat 1

Observaciones

1- Las personas optan más por viajar a ciudades como Sevilla o Valencia

que a Palma o Granada.

2- 2- Hay más posibilidad (de 26,92%) de tener un retraso de entre 8 a 10

minutos.

2. Realitzeu la taula de freqüències.

a) Es recomana que comenceu llistant les variables de la base de dades

activa amb la instrucció Conjunto de datos activo.

load("C:/Users/aules/Desktop/Activitat_1.RData") summary(Activitat_1) Desti Retras Vacants Granada :15 Min. : 0.430 Min. : 0. Palma :17 1st Qu.: 6.603 1st Qu.: 6. Sevilla :24 Median : 9.195 Median : 8. Valencia:23 Mean : 9.589 Mean : 7. NA's : 1 3rd Qu.:12.900 3rd Qu.:10. Max. :19.390 Max. :20. NA's :

b) Per obtenir la taula de freqüències de Desti seleccioneu l’opció

Distribución de frecuencias ,

local({

• .Table <- with(Activitat_1, table(Desti))
• cat("\ncounts:\n")
• print(.Table)
• cat("\npercentages:\n")
• print(round(100*.Table/sum(.Table), 2))

Counts: Desti Granada Palma Sevilla Valencia

Activitat_1$T1=cut(Activitat_1$Retras,breaks=c (0,2,4,6,8,10,12,14,16,18,20)) table(Activitat_1$T1)

(0,2] (2,4] (4,6] (6,8] (8,10] (10,12] (12,14] (14,16] (16,18] (18,20] 3 4 7 11 21 10 8 10 3 1

• Canvieu els breaks i el nom de la variable que es crea amb cut

(Activitat_1$T2) i observeu com es modifica la taula de freqüències.

Activitat_1$T2=cut(Activitat_1$Retras, breaks=c(0,3,6,10,14,16,20)) table(Activitat_1$T2) (0,3] (3,6] (6,10] (10,14] (14,16] (16,20] 6 8 32 18 10 4 0

- Calculeu les freqüències relatives amb la instrucció:

table(Activitat_1$T1)/sum(table(Activitat_1$T1))

(0,2] (2,4] (4,6] (6,8] (8,10] (10,12] (12,14] (14,16] (16,18]

(18,20]

• Visualitzeu conjuntament les freqüències absolutes i relatives:

cbind(table(Activitat_1$T1),table(Activitat_1$T1)/sum(table(Activitat_1$T1))) [,1] [,2] (0,2] 3 0. (2,4] 4 0. (4,6] 7 0. (6,8] 11 0. (8,10] 21 0. (10,12] 10 0. (12,14] 8 0.

(14,16] 10 0.

(16,18] 3 0.

(18,20] 1 0.

e) Realitzeu de nou la taula de freqüències de Retras amb la instrucció

hist(Activitat_1$Retras, scale="frequency", breaks="Sturges", plot=F)

$breaks{ Intervals} [1] 0 2 4 6 8 10 12 14 16 18 20 $counts {ni} [1] 3 4 7 11 21 10 8 10 3 1 $density [1] 0.019230769 0.025641026 0.044871795 0.070512821 0.134615385 0. 0.051282051 0.064102564 0.019230769 0.

$mids{Xi} [1] 1 3 5 7 9 11 13 15 17 19 $xname [1] "Activitat_1$Retras" $equidist [1] TRUE attr(,"class") [1] "histogram"

3. Realitzeu els següents gràfics seleccionant les respectives opcions al

menú

a) Diagrama de barres i de sectors de Desti

b) Diagrama Stem and leaf de Vacants

with(Activitat_1, stem.leaf(Vacants, na.rm=TRUE)) 1 | 2: represents 1. leaf unit: 0. n: 80 5 0 | 00000

n: 78 2 0* | 01 6 t | 2222 14 f | 44455555 23 s | 666666677 (23) 0. | 88888888888888899999999 32 1* | 0000111111 22 t | 22233333 14 f | 4444444555 4 s | 667 1 1. | 9

5. Taula de freqüències absolutes i relatives, simples i acumulades

de Vacants

-Calculeu les freqüències absolutes i relatives simples de la variable Vacants

( pas.n i pas.f) amb les següents instruccions:

pas.n = table(Activitat_1$Vacants) pas.f= pas.n/sum(pas.n)

pas.N=c(cumsum(pas.n)) pas.F= pas.N/sum(pas.n) cbind(pas.N, pas.F) pas.N pas.F

- Calculeu les freqüències absolutes acumulades ( pas.N i pas.F)

pas.N=c(cumsum(pas.n)) pas.F= pas.N/sum(pas.n)

cbind(pas.n, pas.f, pas.N, pas.F)

• 10 2 |
• 14 3 |
• 15 4 |
• 19 5 |
• 30 6 |
• 39 7 |
• (10) 8 |
• 31 9 |
• 23 10 |
• 13 11 |
• 9 12 |
• HI:
  • 1 | 2: represents [1] "Warning: NA elements have been removed!!"
    • leaf unit:
• 0 5 0.
• 2 10 0.
• 3 14 0.
• 4 15 0.
• 5 19 0.
• 6 30 0.
• 7 39 0.
• 8 49 0.
• 9 57 0.
• 10 67 0.
• 11 71 0.
• 12 75 0.
• 18 76 0.
• 19 77 0.
• 20 80 1.
• 0 5 0.0625 5 0. pas.n pas.f pas.N pas.F
• 2 5 0.0625 10 0.
• 3 4 0.0500 14 0.
• 4 1 0.0125 15 0.
• 5 4 0.0500 19 0.
• 6 11 0.1375 30 0.
• 7 9 0.1125 39 0.
• 8 10 0.1250 49 0.
• 9 8 0.1000 57 0.
• 10 10 0.1250 67 0.
• 11 4 0.0500 71 0.
• 12 4 0.0500 75 0.
• 18 1 0.0125 76 0.

retard.N=c(cumsum(retard.n)) retard.F= retard.N/sum(retard.n) retard.N=c(0,cumsum(retard.n)) cbind(retard.n, retard.f, retard.N, retard.F) retard.n retard.f retard.N retard.F 9 0.11538462 0 0. (0,5] 37 0.47435897 9 0. (5,10] 25 0.32051282 46 0. (10,15] 7 0.08974359 71 1. (15,20] 0 0.00000000 78 1. (20,25] 9 0.11538462 78 0. 1153846

-Realitzeu el polígon de freqüències absolutes acumulades

plot(breaks, retard.N, main="Polígon de freqüències acumulades",

xlab="Retard",

ylab="Freqüències absolutes acumulades")

lines(breaks, retard.N)

-Realitzeu el polígon de freqüències relatives acumulades

retard.F=c(0,cumsum(retard.f))

plot(breaks, retard.F, main="Polígon de freqüències acumulades",

xlab="Retard",

ylab="Freqüències relatives acumulades")

lines(breaks, retard.F)