-
Notifications
You must be signed in to change notification settings - Fork 0
/
T5IFQI.R
271 lines (173 loc) · 7.14 KB
/
T5IFQI.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
##Tarea 5
##COA-501 Herramientas de cómputo para investigadores (R y Python)
## Alumno: Ivan Fermin Quiroz Ibañez
#1. Realice lo siguiente (previamente investigue y ejecute completamente el script_3 visto en clase)
#a) Cree un script T5iniciales.R con R-Studio dentro de un archivo Project en R
#b) Ejecute la función data() desde la plataforma R-STUDIO e importe los conjuntos de datos
#trees y npk de R; luego cree dos nuevos objetos data.frame datos.arboles y datos.npk;
#renombre en español, las columnas de ambos objetos.
data("trees")
data("npk")
datos.arboles <- trees
datos.npk <- npk
names(datos.arboles) <- c("edad","altura","volumen")
names(datos.npk) <- c("bloque","N","P","K","rendimiento")
attach(datos.arboles)
attach(datos.npk)
#c) Para cada conjunto de datos, realice un análisis exploratorio de las variables respuesta
#(boxplots, histogramas, frecuencias, summary, gráficas de dispersión, etc) considere los
#conjuntos de datos completos.
#Base datos.arboles
hist(altura)
hist(edad)
hist(volumen)
summary(datos.arboles)
pairs(datos.arboles)
#Base datos.npk
summary(datos.npk)
table(bloque)
table(N)
table(P)
table(K)
boxplot(rendimiento~bloque)
media <- tapply(rendimiento,bloque,mean)
points(media,pch=16,col="black")
boxplot(rendimiento~N)
media2 <- tapply(rendimiento,N,mean)
points(media2,pch=16,col="black")
boxplot(rendimiento~P)
media3 <- tapply(rendimiento,P,mean)
points(media3,pch=16,col="black")
boxplot(rendimiento~K)
media4 <- tapply(rendimiento,K,mean)
points(media4,pch=16,col="black")
hist(datos.npk$rendimiento)
pairs(datos.npk)
#ANOVA
library(agricolae)
av <- aov(rendimiento~N+P+K+bloque,data=datos.npk)
summary(av)
#d) Para el conjunto de datos datos.npk
#i.calcule las medias y desviaciones estándar por bloque.
tapply(rendimiento,bloque,mean)
tapply(rendimiento,bloque,sd)
#ii.cree dos subconjuntos de datos, uno que incluya los bloques pares y otro que incluya
#los bloques impares.
#indicadores
p <- as.numeric(bloque)%% 2 == 0
i <- as.numeric(bloque)%% 2 == 1
p_bloques <- subset(datos.npk,p==TRUE)
i_bloques <- subset(datos.npk,i==TRUE)
#e) Para el conjunto de datos datos.arboles
#iii.grafique por pares de variables
pairs(datos.arboles)
#iv.efectúe regresiones lineales entre el volumen (variable dependiente) y (altura,
#perímetro) variables independientes.
rl1 <- lm(volumen~altura+edad,data=datos.arboles)
summary(rl1)
rl2 <- lm(volumen~altura,data=datos.arboles)
summary(rl2)
rl3 <- lm(volumen~edad,data=datos.arboles)
summary(rl3)
AIC(rl1,rl2,rl3)
#v. grafique los valores predichos versus valores observados
plot(rl1$fitted.values,datos.arboles$volumen)
abline(lm(rl1$fitted.values~datos.arboles$volumen),col="red")
#f) Exporte los conjuntos de datos, datos.arboles y datos.npk a archivos .csv
write.csv(datos.arboles,"datos.arboles.csv")
write.csv(datos.npk,"datos.npk.csv")
#g) Exporte los valores predichos, observados y los residuales da cada modelo a un archivo .csv.
pred1 <- rl1$fitted.values
obs1 <- datos.arboles$volumen
res1 <- rl1$residuals
mod1 <- cbind(pred1,obs1,res1); write.csv(mod1,"mod1.csv")
pred2 <- rl2$fitted.values
obs2 <- datos.arboles$volumen
res2 <- rl2$residuals
mod2 <- cbind(pred2,obs2,res2); write.csv(mod2,"mod2.csv")
pred3 <- rl3$fitted.values
obs3 <- datos.arboles$volumen
res3 <- rl3$residuals
mod3 <- cbind(pred3,obs3,res3); write.csv(mod3,"mod3.csv")
#h)Genere 50 valores de pesos de borregos con una media de 25 kg y sd de 6 kg (asuma
#normalidad). Genere 50 datos de diámetro de cintura de borregos en cm con media 48 cm
#y sd 7cm (asuma normalidad). Grafique los datos peso (variable respuesta) vs. diámetro
#(variable predictora). Efectúe una regresión lineal, analice y guarde sus resultados en
#archivos en forma ordenada y comente sus resultados.
set.seed(123)
pesos_borregos <- rnorm(50,mean=25,sd=6)
summary(pesos_borregos)
sd(pesos_borregos)
diametro_borregos <- rnorm(50,mean=48,sd=7)
summary(diametro_borregos)
sd(diametro_borregos)
rlb <- lm(pesos_borregos~diametro_borregos)
summary(rlb)
#diagrama de dispersion de peso de borregos vs diametro de borregos
plot(pesos_borregos,diametro_borregos)
#comentarios: la variable predictora diametro de borregos no es buena predictora
#del peso de borregos, al menos en este ejercicio hipotetico con valores aleatorios normalmente
#distribuidos.
#i) Cree 5 pares de objetos tmin1, tmax1, tmin2, tmax2, …, tmin5, tmax5 de longitud 5. Donde
#tmin son temperaturas mínimas diarias y tmax son temperaturas máximas diarias. Luego,
#cree una matriz temperatura (dim 5 x 10) con los objetos creados. Utilice la función
#tpromedio vista en clase para calcular los promedios de temperatura tp1, tp2, …,tp5, cree
#una matriz para guardar estos promedios. Defina un ciclo for para hacer los cálculos en forma
#cíclica.
set.seed(123)
tmin1 <- sample(0:10,5,replace=T)
tmax1 <- sample(25:32,5,replace = T)
tmin2 <- sample(0:10,5,replace=T)
tmax2 <- sample(25:32,5,replace = T)
tmin3 <- sample(0:10,5,replace=T)
tmax3 <- sample(25:32,5,replace = T)
tmin4 <- sample(0:10,5,replace=T)
tmax4 <- sample(25:32,5,replace = T)
tmin5 <- sample(0:10,5,replace=T)
tmax5 <- sample(25:32,5,replace = T)
temperatura <- cbind(tmin1,tmax1,tmin2,tmax2,tmin3,tmax3,tmin4,tmax4,tmin5,tmax5)
dim(temperatura)
temperatura_r <- rbind(temperatura[,c(1,2)],temperatura[,c(3,4)],
temperatura[,c(5,6)],temperatura[,c(7,8)],temperatura[,c(9,10)])
colnames(temperatura_r) <- c("tmin","tmax")
t.promedio <- function(tmin, tmax)
{
( tmax + tmin ) / 2
}
tp1 <- t.promedio(temperatura[,1],temperatura[,2])
tp2 <- t.promedio(temperatura[,3],temperatura[,4])
tp3 <- t.promedio(temperatura[,5],temperatura[,6])
tp4 <- t.promedio(temperatura[,7],temperatura[,8])
tp5 <- t.promedio(temperatura[,9],temperatura[,10])
tp1;tp2;tp3;tp4;tp5
tp <- cbind(tp1,tp2,tp3,tp4,tp5)
#Opcion 1 funcion por filas con matrix temperatura_r y print como array
for ( row in 1:nrow(temperatura_r)) {
tmin <- temperatura_r[row, "tmin"]
tmax <- temperatura_r[row, "tmax"]
t.prom <- (tmin+tmax)/2
#print(paste("Promedio de",
#t.prom,"°C"))
print(array(t.prom))
}
# Opcion 2 Aplicar funcion ordenada en filas con matrix temperatura y print como array
for ( row in 1:nrow(temperatura)) {
tmin <- temperatura[row,seq_len(ncol(temperatura))%%2==1]#c(1,3,5,7,9)
tmax <- temperatura[row,seq_len(ncol(temperatura))%%2==0]#2,4,6,8,10
t.prom <- (tmin+tmax)/2
#print(paste("Promedio de",
#t.prom,"°C","en la fila",row))
print(array(t.prom))
}
#Ordenar de forma vertical (tmin1,tmax1,...) de filas a columna
for(row in 1:nrow(temperatura)) {
for(col in 1:ncol(temperatura)) {
print(array(temperatura[row, col]))
}
}
#j) Exporte a un archivo .RData el área de trabajo completa.
save.image("T5IFQI.RData")
#k)Comente sus resultados en general.
#R es un lenguaje de programación que nos permite hacer analisis estadisticos,
#así como generar nuestras propias funciones y bucles con estructuras de control
#(i.e. for, while,if else,break, next,repeat) utiles en procesos iterativos.