##########################################################################################################################
# distribución y estadísticas de caracteres de presencia / ausencia
pielc <- read.csv("Pielescuero_car.csv",header=TRUE); head(pielc)
pielc$Tamano <- factor(pielc$Tamano, levels = c("11-20","21-50","> 50"), ordered = TRUE) # si no orden alfabético
str(pielc)
attach(pielc) 
# hay que hacer tablas de frecuencias
t1  <- table(pielc[,1]);t1
t2  <- table(pielc[,2]);t2
tc2 <- cumsum(t2); tc2
t3  <- table(pielc[,3]);t3
t4  <- table(pielc[,4])
t5  <- table(pielc[,5])
t1; t2; tc2; t3; t4; t5
# y de frecuencias relativas
f1  <- t1/sum(t1)
f2  <- t2/sum(t2)
fc2 <- cumsum(f2)
f3  <- t3/sum(t3)
f4  <- t4/sum(t4)
f5  <- t5/sum(t5)
f1; f2; fc2; f3; f4; f5

# diagrama circolar y en barras sobre la ventana y en un archivo 
pie(f1,labels=paste(rownames(f1), round(f1*100,2), "%"), main = colnames(pielc)[1])
dev.copy(pdf,"f1.pdf")
dev.off()
barplot(f2, main = colnames(pielc)[2])
dev.copy(pdf,"f2.pdf")
dev.off()
barplot(cumsum(f2), main = colnames(pielc)[2])
dev.copy(pdf,"f2c.pdf")
dev.off()
pie(f3,labels=paste(rownames(f3), round(f3*100,2), "%"), main = colnames(pielc)[3])
dev.copy(pdf,"f3.pdf")
dev.off()
pie(f4,labels=paste(rownames(f4), round(f4*100,2), "%"), main = colnames(pielc)[4])
dev.copy(pdf,"f4.pdf")
dev.off()
pie(f5,labels=paste(rownames(f5), round(f5*100,2), "%"), main = colnames(pielc)[5])
dev.copy(pdf,"f5.pdf")
dev.off()

# cálculo de la moda
moda <-matrix("",dim(pielc)[2],4)
moda[1,] <- c(names(f1)[which(f1 == max(f1))],which(f1 == max(f1)), max(t1), max(f1))
moda[2,] <- c(names(f2)[which(f2 == max(f2))],which(f2 == max(f2)), max(t2), max(f2))
moda[3,] <- c(names(f3)[which(f3 == max(f3))],which(f3 == max(f3)), max(t3), max(f3))
moda[4,] <- c(names(f4)[which(f4 == max(f4))],which(f4 == max(f4)), max(t4), max(f4))
moda[5,] <- c(names(f5)[which(f5 == max(f5))],which(f5 == max(f5)), max(t5), max(f5))
moda = as.data.frame(moda)                   # tabla de resúmen
rownames(moda) = colnames(pielc)
colnames(moda) = c("moda","moda","frecuencia", "frec.rel")
moda

# cálculo de la entropia y de la entropia relativa
h<-vector(mode="numeric",length=dim(pielc)[2])
h[1] <- -sum(f1*log(f1,2))
h[2] <- -sum(f2*log(f2,2))
h[3] <- -sum(f3*log(f3,2))
h[4] <- -sum(f4*log(f4,2))
h[5] <- -sum(f5*log(f5,2))
h
hm<-vector(mode="numeric",length=dim(pielc)[2])
hm[1] <- log(dim(f1),2)
hm[2] <- log(dim(f2),2)
hm[3] <- log(dim(f3),2)
hm[4] <- log(dim(f4),2)
hm[5] <- log(dim(f5),2)
hm
hr    <- h/hm
hr
ent            <- cbind(h,hm,hr)                  # tabla de resumen
rownames(ent)  <- colnames(pielc)
colnames(ent)  <- c("entropía","entr.max","entr.rel")
ent
# tabla de estadísticas para variables cualitativas
stat           <-as.data.frame(cbind(moda[,c(1,3)],round(as.numeric(moda[,4]),3),round(ent,3)))
rownames(stat) <- colnames(pielc)
colnames(stat) <- c(colnames(moda)[c(1,3,4)],colnames(ent))
stat
##########################################################################################################################
# mejor tratar una variable a la vez
##################
# distribución y estadísticas para Export (presencia/ausencia)
t.ex      <- table(Exportacion); t.ex            # tabla de distribución
tot.ex    <- sum(t.ex); tot.ex                   # total
f.ex      <- t.ex/tot.ex; f.ex; f.ex *100        # frecuencias relativas y porcentajes
round(f.ex,3)
tab.ex    <- rbind(t.ex,f.ex); round(tab.ex,3)
rownames(tab.ex)  <- c("Frecuencia", "Frec.rel.")
round(tab.ex,3)                       
# estadísticas
rr.ex     <- t.ex[2]/tot.ex; rr.ex               #  presencias/total = razón de riesgo
odd.ex    <- t.ex[2]/t.ex[1];odd.ex              #  odds = presencias/ausencias
stat.ex   <- round(rbind(rr.ex,odd.ex),3)
rownames(stat.ex) <- c("razón de riesgo","odd")
stat.ex
###################
# distribución y estadísticas para Actividad (nominal)
t.ac      <- table(Actividad);t.ac               # tabla de frecuencias
nm        <- dim(t.ac)                           # número de modos
tot.ac    <- sum(t.ac); tot.ac                   # total
f.ac      <- t.ac/tot.ac; f.ac                   # frecuencias relativas
por.ac    <- f.ac *100; por.ac                   # porcentajes    
# costruimos una tabla de resúmen
tt.ac     <- cbind(t(t.ac),tot.ac);tt.ac
ft.ac     <- cbind(t(f.ac),1); ft.ac
tab.ac    <- rbind(tt.ac,ft.ac); round(tab.ac,3)
str(tab.ac)
colnames(tab.ac)[5] <- "Total"                   # frecuencias y totales
rownames(tab.ac)  <- c("Frecuencia", "Frec.rel.")
round(tab.ac,3)                       
# moda                                           # estadísticas para la moda
moda.ac   <- c(names(t.ac)[which(f.ac==max(f.ac))], max(t.ac), round(max(f.ac),3))
names(moda.ac) <- c("Moda","Frecuencia", "Frec.rel.")
noquote(moda.ac)
# entropia
ent.ac    <- -sum(f.ac * log(f.ac,2)); ent.ac
entm.ac   <- log(nm,2); entm.ac
entrel.ac <- ent.ac/entm.ac; entrel.ac
entr.ac   <- c(ent.ac,entm.ac,entrel.ac)
names(entr.ac) <- c("Entropia","Ent.max.","Ent.rel.")
entr.ac
# tabla de estadísticas (dos modos)
stat.ac   <- c(moda.ac,round(entr.ac,3)); stat.ac
names(stat.ac)=c("Moda","Frecuencia", "Frec.rel.","Entropia","Ent.max.","Ent.rel.")
noquote(stat.ac)

statis.ac <- data.frame(stat.ac)
statis.ac
########################
# distribución y estadísticas para Tamano (ordenal)
t.ta      <- table(Tamano);t.ta                  #  tabla
tc.ta     <- cumsum(t.ta)                        #  tabla cumulada
tot.ta    <- sum(t.ta); tot.ta                   #  total
f.ta      <- t.ta/tot.ta; f.ta; f.ta *100        #  frecuencias relativas  
fc.ta     <- cumsum(f.ta); fc.ta                 #  frecuencias cumuladas
# costruimos una tabla de resúmen
tt.ta     <- cbind(t(t.ta),tot.ta);tt.ta
ft.ta     <- cbind(t(f.ta),1); ft.ta
tct.ta    <- cbind(t(tc.ta),tot.ta);tct.ta
fct.ta    <- cbind(t(fc.ta),1); fct.ta

tab.ta    <- rbind(tt.ta,ft.ta,tct.ta,fct.ta); round(tab.ta,3)
colnames(tab.ta)    <- c(names(t.ta),"Total")
rownames(tab.ta)    <- c("Frecuencias", "Frec.rel.", "Cum.Frec.", "Cum.Frec.Rel")
round(tab.ta,3)

# moda                                           # estadísticas para la moda
moda.ta        <- c(names(t.ta)[which(f.ta==max(f.ta))], max(t.ta), round(max(f.ta),3))
names(moda.ta) <- c("Moda","Frecuencia", "Frec.rel.")
noquote(moda.ta)
# entropia
ent.ta         <- -sum(f.ta * log(f.ta,2)); ent.ta
entm.ta        <- log(nm,2); entm.ta
entrel.ta      <- ent.ta/entm.ta; entrel.ta
entr.ta        <- c(ent.ta,entm.ta,entrel.ta)
names(entr.ta) <- c("Entropia","Ent.max.","Ent.rel.")
entr.ta
# tabla de estadísticas (dos modos)
stat.ta        <- c(moda.ta,round(entr.ta,3)); stat.ta
names(stat.ta) <- c("Moda","Frecuencia", "Frec.rel.","Entropia","Ent.max.","Ent.rel.")
noquote(stat.ta)

statis.ta <- data.frame(stat.ta)
statis.ta

# mediana y cuantiles
n      <- length(Tamano); n     # número de unidades
tm     <- sort(Tamano)          # unidades ordenadas
ni     <- n/100; ni
# ritmo de los porcentiles
pc     <- c(1,5,25,50,75,95,99) # vector de percentiles
pcm   <- round(pc*ni-.5,0);pcm  # posición en el conjunto
pct   <- tm[pcm]                # cuantiles de Tamano
# tabla de porcentiles
names(pct) <- paste(pc,"%",sep="")
pct         
# cálculo alternativo
quantile(Tamano,c(.01,.05,.25,.50,.75,.95,.99),type=1)
##########################################################################################################################
