################################################################################################################# # estadísticas para datos numéricos # datos de supermercados super=read.csv("Supermercados.csv",row.names=1) str(super) data = super[,1] data = super super[order(super[,2]),] dim(data) # cálculo del indice de concentración dimd=length(super[,1]) # número de unidades dimd1=dimd+1 q=sort(super[,1]) # en q estan las cuotas ordenadas p=rep(1/dimd,dimd) # si las observaciones tienen pesos iguales t=numeric(dimd) s=sum(q) # s es el total de q q=q/s # q va ser una cuota del total pc=numeric(dimd1); qc=numeric(dimd1) pc[1]=0; qc[1]=0 for(i in 1:dimd) {pc[i+1]=pc[i]+p[i] qc[i+1]=q[i]+qc[i]} ;qc # en qc hay las cuotas cumuladas for(i in 1:dimd) {t[i]=(qc[i]+qc[i+1])*p[i]}; t # en t estan los dobles de las áreas de los trapézios a=sum(t);a # suma al doble de áreas de los trapézios conc=dimd/(dimd-1)*(1-a);conc # concentración plot(pc,pc,main= "Area of concentration",xlab="units",ylab="values") # gráfico del área de concentración lines(pc,pc) points(pc,qc,col="red") lines(pc,qc,col="red") abline(v=1) abline(h=0) ########################################################################################################################### # programa modificado para los datos de Czechoslovakia czech <- read.csv("Czechoslovakia.csv") # datos data <- czech # datos dimd <- dim(data)[1] # número unidades pesos <- data[,2] # si NULL pesos iguales, sino variable peso qu <- data[,3]/1000 # criterio ordered <- NULL # número variable de orden, sino NULL average <- TRUE # si los criterios son promedios title <- "renta Czechoslovakia" # título ########################################################################################### # si necesario, ordenar según una variable if (is.null(ordered)) { data <- data[order(data[,ordered]),] } ########################################################################################### # cálculos para organizar los trapezios name <- paste("Area of concentration of ",title,sep="") file <- paste("renta Czechoslovakia",".pdf",sep="") dimd1 <- dimd+1 if (is.null(pesos)) { p <- rep(1/dimd,dimd) } else { p <- pesos } pt <- sum(p) # suma de latos horizontales q <- qu # latos verticales if (average) { q <- q*p # si qu promédios se les cálcula } p <- p/pt # cuotas horizontales s <- sum(q) # s es el total de q q <- q/s # cuotas verticales t <- rep(0,dimd) # tres vectores de apoyo pc <- rep(0,dimd1) qc <- rep(0,dimd1) for(i in 1:dimd) { pc[i+1] <- pc[i]+p[i] # horizontales cumulados qc[i+1] <- qc[i]+q[i] # verticales cumulados } for(i in 1:dimd) { t[i] <- (qc[i]+qc[i+1])*p[i] # dobles de las áreas de los trapézios } a <- sum(t) # doble área total trapézios conc <- dimd/(dimd-1)*(1-a) # concentración concentration <- paste(title," concentration = ", conc, sep="") noquote(concentration) plot(pc,pc,main= "Area of concentration",xlab="units",ylab="values") # gráfico del área de concentración lines(pc,pc) points(pc,qc,col="red") lines(pc,qc,col="red") abline(v=0,lty=2) abline(h=0,lty=2) abline(v=1,lty=2) # lines(c(pc[dimd],1),c(0,1),lty=3) abline(h=1,lty=2) dev.copy(pdf,file) dev.off() ################################################################################################ # function that computes the Lorentz concentration concentration <- function(data,pesos=NULL,crit,ordered=NULL,average=FALSE,title=NULL) { # data # data table # pesos <- NULL # si NULL pesos iguales, sino variable peso # crit # variable criterio # ordered <- NULL # número variable de orden, sino NULL # average <- TRUE # TRUE si los criterios son promedios, FALSE si no # title <- NULL # título ########################################################################################### # si necesario, ordenar según una variable if (!is.null(ordered)) { data <- data[order(data[,ordered]),] } ########################################################################################### # cálculos para organizar los trapezios out = list() name <- paste("Area of concentration of ",title,sep="") file <- paste(title,".pdf",sep="") dimd <- dim(data)[1] # número unidades dimd1 <- dimd+1 if (is.null(pesos)) { p <- rep(1/dimd,dimd) } else { p <- data[,pesos] } pt <- sum(p) # suma de latos horizontales q <- data[,crit] # latos verticales if (average) { q <- q*p # si qu promédios se les cálcula } p <- p/pt # cuotas horizontales s <- sum(q) # s es el total de q q <- q/s # cuotas verticales t <- rep(0,dimd) # tres vectores de apoyo pc <- rep(0,dimd1) qc <- rep(0,dimd1) for(i in 1:dimd) { pc[i+1] <- pc[i]+p[i] # horizontales cumulados qc[i+1] <- qc[i]+q[i] # verticales cumulados } for(i in 1:dimd) { t[i] <- (qc[i]+qc[i+1])*p[i] # dobles de las áreas de los trapézios } a <- sum(t) # doble área total trapézios conc <- dimd/(dimd-1)*(1-a) # concentración concc <- paste(title," concentration = ", conc, sep="") out$conc <- noquote(concc) ####################################### plot(pc,pc,main= "Area of concentration",xlab="units",ylab="values") # gráfico del área de concentración lines(pc,pc) points(pc,qc,col="red") lines(pc,qc,col="red") abline(v=0,lty=2) abline(h=0,lty=2) abline(v=1,lty=2) # lines(c(pc[dimd],1),c(0,1),lty=3) abline(h=1,lty=2) dev.copy(pdf,file) dev.off() ########################################## out } ################################################################################################## # ejemplos czech <- read.csv("Czechoslovakia.csv") # datos data <- as.matrix(czech) # se necesita una matriz data[,3] <- data[,3]/1000 # division por 1000 para evitar overflow concentration(data,pesos=2,crit=3,average=TRUE,title="renta Czechoslovakia") concentration(as.matrix(super),pesos=NULL,crit=2,ordered=2,title="super") ############################################################################################################################ # estadísticas para caracteres cuantitativos # se trabaja con Iris iris <- read.csv("Iris.csv",header = TRUE, row.names = 1) str(iris) summary(iris) # estadísticas automáticas attach(iris) iri <- iris[,1] # selecciona un caracter # estadísticas para variables numéricas quantile(iri,c(.01,.05,.25,.50,.75,.95,.99),type=1) bp <- boxplot(iri, range=1.5); bp # boxplot y estadísticas (conf = interval de confianza de la mediana) n <- length(iri) # número de unidades m <- sum(iri)/n # promedio s2 <- (sum((iri-m)^2))/n # varianza s <- sqrt(s2) # desvio estandar cv <- s / m # coeficiente de variación sm <- (sum(abs(iri-m)))/n # desvío promedio res = cbind(m,s2,s,cv,sm) # resultados colnames(res) = c("promedio","varianza","desv.estan.","coef.var","desv.prom.") res boxplot(iris[,1:4],main = "Fisher's Iris data", sub="range = 1.5") dev.copy(pdf,"Iris_Boxwhiskers_1.5.pdf") dev.off() boxplot(iris[,1:4], range=1,main = "Fisher's Iris data", sub="range = 1.5") dev.copy(pdf,"Iris_Boxwhiskers_1.pdf") dev.off() ######################################### # boxplot con promedio (m), dos desvíos estándar (s) y dos desvíos promedios (sm) boxplot(iri,range=1.5,at=1) inf = m-2*s sup = m+2*s points(1,m,pch=20, col="red") points(c(1,1),c(inf,sup),pch=20, col="blue") points(c(1,1),c(m-2*sm,m+2*sm),pch=20,col="green") ########################################################################################################################## # corte en clases de una variable cuantitativa barplot(Sepal.length) # bar plot de longitud de sepalos en orden de datos a <- Sepal.length t <- table(a) # distribución barplot(Sepal.length) # barplot por frecuencias s <- seq(min(a),max(a),length.out=10) # se toman diez valores entre min y max incluidos b <- cut(a,breaks=s,include.lowest = TRUE) # se construyen nueve clases tr <- table(b);tr # se hace la distribución barplot(tr) # y se representa ###########################################################################################################################