






Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Encuentra los documentos específicos para los exámenes de tu universidad
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Responde a preguntas de exámenes reales y pon a prueba tu preparación
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Ebooks gratuitos
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
Asignatura: Matemàtiques, Profesor: Sebastià Massanet Massanet, Carrera: Biologia, Universidad: UIB
Tipo: Ejercicios
1 / 12
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!







El fitxer Pokemon.xlsx , que pots trobar a Aula Digital just davall d’aquest full, conté les estadístiques de 721 Pokemons. Cada fila correspon a un Pokemon i en les columnes s’hi poden trobar les següents estadístiques:
a) Carregau el fitxer Pokemon.xlsx en un data frame anomenat pokemons. Les variables Type1 , Type2 i Generation han de ser de tipus factor, la variable Name ha de ser de tipus caràcter i la resta han de ser variables numèriques. Comprovau amb les instruccions head i str que tot ha anat bé després de fer les transformacions de tipus de variable corresponents. Solució: Anem a llegir el fitxer emprant la instrucció read.xlsx del paquet xlsx. library (xlsx)
pokemons= read.xlsx ("Pokemon.xlsx",1)
Comprovem a continuació si s’ha llegit correctament i els tipus de variables. head (pokemons)
str (pokemons)
Canviem la variable Name a tipus caràcter i la Generation a tipus factor. pokemons $ Name= as.character (pokemons $ Name) pokemons $ Generation= as.factor (pokemons $ Generation) str (pokemons)
b) Creau una taula en la que, per a cada combinació de tipus 1 i tipus 2, es doni la mitjana de la variable Total i la mitjana de la variable HP. Aquesta taula ha de tenir quatre columnes (“Tipus 1”, “Tipus 2”, “Mitjana Total” i “Mitjana HP”) i una fila per cada combinació de tipus 1 i tipus 2. Quines combinacions de tipus 1 i tipus 2 tenen uns valors mitjans més alts i més baixos en cadascuna de les dues variables considerades? Solució: Per calcular aquesta taula, emprarem la funció aggregate que ens separarà ens agruparà els pokemons segons el seu valor de (tipus 1, tipus 2). Per representar la taula emprarem el paquet printr, introduït en la lliçó Otras_Lecciones_ExtrasRmd. library (printr) Taula= aggregate ( cbind (Total,HP) ~ Type1 + Type2,data=pokemons,FUN=mean) names (Taula)= c ("Tipus 1","Tipus 2","Mitjana_Total","Mitjana_HP") Taula
Tipus 1 Tipus 2 Mitjana_Total Mitjana_HP Bug 289.7059 53. Dark 436.2000 60. Dragon 413.3636 61. Electric 413.5556 60. Fairy 404.9333 74. Fighting 394.9500 71. Fire 412.2143 62. Flying 580.0000 79. Ghost 429.6000 49.
Finalment, hem d’extreure d’aquesta taula les combinacions (tipus 1, tipus 2) que tenguin els valors mitjans màxim i mínim per cada variable. Comencem per la variable Total:
d) Creau un gràfic a partir de Poke_fire , amb els valors d’atac especial en l’eix horitzontal i els de defensa especial en l’eix vertical. Heu d’emprar triangles plens de color vermell. Solució: Els triangles plens corresponen a l’opció pch=17 de la funció plot. plot (Poke_fire,col="red",pch=17)
e) Afegiu a n’aquest gràfic els punts corresponents a Poke_water. Heu d’emprar quadrats de color blau. Afegiu una llegenda que indiqui cada tipus de punt a quin tipus 1 de Pokemon es correspon. Assegurau-vos que tots els punts estan en la gràfica i no en queda cap sense representar per haver quedat fora dels límits. Solució: Per assegurar-nos que tots els punts estan dins la gràfica hem de redefinir els extrems del gràfic per a que hi càpiguen tots els punts. Vegem quins són els rangs de les dues variables en els dos data frames considerats. range (Poke_water $ Sp.Atk)
range (Poke_fire $ Sp.Atk)
range (Poke_water $ Sp.Def)
range (Poke_fire $ Sp.Def)
Així, els valors de Sp.Atk estan entre 10 i 180 i els de Sp.Def estan entre 20 i 160. Representam el gràfic anterior amb aquests límits i afegim els punts corresponents a Poke_water:
plot (Poke_fire,xlim= c (10,180),ylim= c (20,160),col="red",pch=17) points (Poke_water,col="blue",pch=15) legend ("topleft",legend= c ("Foc","Aigua"),pch= c (17,15),col= c ("red","blue"))
f) Determinau la dependència (lineal, exponencial, potencial) de la variable Sp.Atk en funció de la variable Speed pels Pokemons de tipus 1 Psychic de la primera generació. Una vegada determinada la dependència, trobau l’expressió de la funció que modela aquesta dependència. Representau finalment els punts en escala lineal juntament amb la funció trobada.
Solució: Seleccionem les variables Speed i Sp.Atk pels pokemons de tipus 1 Psychic de la primera generació.
Pok_Psy_1=pokemons[pokemons $ Type1 == "Psychic" & pokemons $ Generation == 1, c ("Speed","Sp.Atk")] head (Pok_Psy_1)
Vegem si la dependència és lineal representant els punts en escala lineal, afegint la recta de regressió i calculant el valor de Rˆ2.
summary ( lm ( log10 (Pok_Psy_1 $ Sp.Atk) ~ Pok_Psy_1 $ Speed)) $ r.squared
I en escala log-log, per veure si la dependència és potencial:
plot (Pok_Psy_1,log="xy") abline ( lm ( log10 (Pok_Psy_1 $ Sp.Atk) ~log10 (Pok_Psy_1 $ Speed)))
summary ( lm ( log10 (Pok_Psy_1 $ Sp.Atk) ~log10 (Pok_Psy_1 $ Speed))) $ r.squared
Tant els valors de R^2 com els gràfics ens indiquen que la dependència és potencial. Per trobar la funció concreta, necessitam els coeficients de la recta de regressió en escala log-log:
lm ( log10 (Pok_Psy_1 $ Sp.Atk) ~log10 (Pok_Psy_1 $ Speed))
Així doncs, la funció és la següent:
Sp.Atk = 10−^0_.^2355 · Speed^1.^1476 = 0._ 5814 · Speed^1_._^1476
Finalment, representem els punts juntament amb aquesta corba:
plot (Pok_Psy_1) curve (0.5814 ***** x ^ 1.1476,add=TRUE)