########################################################################################################################## 
stat.con <- function (vec,box=TRUE) {
  # función que calcula estadísticas para una variable numérica
  res <- list()
 res$name <- deparse(substitute(vec))
 res$cuantiles <- quantile(vec,c(.01,.05,.25,.50,.75,.95,.99),type=1)
  n                <- length(vec)              # número de unidades
  m                <- sum(vec)/n               # promedio
  s2               <- (sum((vec-m)^2))/n       # varianza
  s                <- sqrt(s2)                 # desvio estandar
  cv               <- s / m                    # coeficiente de variación
  sm               <- (sum(abs(vec-m)))/n      # desvío promedio
  stat             <- cbind(n,m,s2,s,cv,sm)    # resultados
  colnames(stat)   <- c("n_units","promedio","varianza","desv.estan.","coef.var","desv.prom.")
 res$estadisticas <- stat                      # vector de estadísticas
  if (box)  {                                  # boxplot con promedio y dos desvíos estándar
    inf <- m-2*s
    sup <- m+2*s
    boxplot(vec,range=1.5,at=1,ylim=c(min(vec-.5),max(vec+.5)))
    points(1,m,pch=20, col="red")
    points(c(1,1),c(inf,sup),pch=20, col="blue")
    dev.copy(pdf,"boxmedsd.pdf")
    dev.off()
  }
 res
}
################################################################################################################
# tabla de breakdown y razón empírica de correlación
# se trabaja con iris
iris         <- read.csv("Iris.csv",header=TRUE,row.names=1)
iris$Species <- factor(iris$Species)
head(iris)
str(iris)
attach(iris)
#estadísticas totales
total           <- t(stat.con(Sepal.length,box=FALSE)$estadisticas)
# n_t           <- length(Sepal.length)
# m_t           <- mean(Sepal.length)
# v_t           <- var(Sepal.length)*(n_t-1)/n_t
# s_t           <- sqrt(v_t)
# cvt           <- s_t/m_t
# sst           <- n_t*v_t
# total         <- rbind(n_t,m_t,v_t,s_t,cvt); total
# names(total)  <- c("n","mean","variance","Std.dev","Coef.var")
colnames(total) <- "Sepal lenght"
total
sst             <- total[1]*total[3]
# mismas estadísticas pero compartidas por cada modalidad
n_unit          <- table(Species); n_unit
nm              <- length(n_unit); nm
mean            <- tapply(Sepal.length,Species,mean) ;mean
var             <- tapply(Sepal.length,Species,var)*(n_unit-1)/n_unit
stdev           <- sqrt(var); stdev
cv              <- stdev/mean; cv
#desm           <- tapply(abs(Sepal.length - mean),Species,mean);desm # no va
brk             <- rbind(n_unit,mean,var,stdev,cv); brk
brtot           <- cbind(brk,total[1:5])
colnames(brtot) <- c(colnames(brk),"total")
brtot
# razón empírica de correlación
e               <- (sst-sum(n_unit*var))/sst; e
##################################################################################################################
# gráfico en caja y bigotes con promédios y 2 desvíos estándar

boxplot(Sepal.length~Species,range=1.5,at=1:nm)
inf = mean-2*stdev
sup = mean+2*stdev
points(1:nm,mean,pch=20, col="red")
points(1:nm,sup,pch=20, col="blue")
points(1:nm,inf,pch=20, col="blue")
##################################################################################################################
# función que hace todo

Breakdown <- function(quant,qual){
 res <- list()
  # estadísticas totales
  total           <- t(stat.con(quant,box=FALSE)$estadisticas)
  colnames(total) <- "Total"
  nm              <- length(n_unit); nm
  total
  sst             <- total[1]*total[3]
  # estadísticas por clase
  n_unit          <- table(qual)
  mean            <- tapply(quant,qual,mean)
  var             <- tapply(quant,qual,var)*(n_unit-1)/n_unit
  stdev           <- sqrt(var)
  cv              <- stdev/mean
  # falta el desvío promedio
  brk             <- rbind(n_unit,mean,var,stdev,cv);brk
  brtot           <- cbind(brk,total[1:5])
  colnames(brtot) <- c(colnames(brk),"total")
 res$breakdown    <- brtot
  # razón de correlación
  e               <- (sst-sum(n_unit*var))/sst
 res$correlation_ratio <- e
  # boxplot con promedio y 2 desvíos estándar
   boxplot(quant~qual, range=1.5, at=1:nm)
    inf = mean-2*stdev
    sup = mean+2*stdev
    points(1:nm,mean,pch=20, col="red")
    points(1:nm,sup,pch=20, col="blue")
    points(1:nm,inf,pch=20, col="blue")
 res
}
#################################################################################################################
# Ejemplo
Breakdown(iris[,3],iris[,5])
dev.copy(pdf,"lensepiris.pdf")
dev.off()
#################################################################################################################
# covarianza y correlación

n = dim(iris)[1]                          # total observaciones
cov(iris$Sepal.length,iris$Sepal.width)   # covarianzas de las muestras
cov(iris$Petal.length,iris$Petal.width)   # que estiman la población
cov(iris[,1:4])
cov(iris[,1:4])*(n-1)/n                   # covarianzas de la población 
                                          # datos sin inferencia 
cor(iris[,1:4])                           # correlación
plot(iris[,1:4])                          # gráfico total
dev.copy(pdf,"coriris.pdf")               # ejemplos
dev.off()
plot(Long_Sepalos,Ancho_Sepalos)
dev.copy(pdf,"sepiris.pdf")
dev.off()
plot(Long_Petalos,Ancho_Petalos)
dev.copy(pdf,"petiris.pdf")
dev.off()
###################################################################################################################
# correlación de Spearman alicada a datos cuantitativos

cor(iris[,1:4],method="spearman")    # correlación más robusta

sudam <- read.csv("SudAmerica.csv",row.names=1); sudam
plot(sudam)
text(sudam,labels=rownames(sudam))
cor(sudam,method="pearson")
cor(sudam,method="spearman")
###################################################################################################################


