#############################################
###  Cálculo de todas las medidas de posición y de dispersión con R
#############################################


datos <- c(3.4 , 5.6 , 7 , 8.25 , 9.3, 2.854, 4.578)
datos
length(datos)
mean(datos)
median(datos)
sort(datos)
datos  <-  c(1, 2, 3, 5)
datos
median(datos)
datos <- sample( 3:10,  50, replace = TRUE)
datos
table(datos)
sort( table(datos), decreasing=TRUE )
sort(datos)
datos.bimodal <- c(1,1,1,2,2,2,2,3,3,4,4,5,5,5,5)
datos.bimodal
sort( table(datos.bimodal), decreasing=TRUE )
datos
alfa <- 0.6
quantile( datos , alfa )
alfa <- 0.9
quantile( datos , alfa )
summary(datos)

n <- length(datos)
true.var <- sum(datos^2)/n-mean(datos)^2
true.sd <- sqrt(true.var)
true.cv <- true.sd/mean(datos)

cat("El recorrido es :",max(datos)-min(datos),"\n","\n")
cat("El recorrido intercuartílico es :",IQR(datos),"\n","\n")
cat("La varianza es :",true.var,"\n","\n")
cat("La cuasivarianza es :",var(datos),"\n","\n")
cat("La desviación típica es :",true.sd,"\n","\n")
cat("La cuasidesviación típica es :",sd(datos),"\n","\n")
cat("El coeficiente de variación es :",true.cv,"\n","\n")
cat("El cuasicoeficiente de variación es :",sd(datos)/mean(datos),"\n","\n")
##
var(datos)
sd(datos)





#############################################
###  Descriptiva para variables NOMINALES
#############################################



#almacenar los valores de la variable separados por comas
Red <- c(
"Twitter",   "Otras",     "WhatApp",   "WhatApp",   "Instagram", "Otras",  
"WhatApp",   "Instagram", "WhatApp",   "WhatApp",   "Otras",     "Otras",  
"Otras"  ,   "Twitter",   "WhatApp",   "Instagram", "WhatApp",   "WhatApp",
"Otras"  ,   "WhatApp",   "Facebook",  "WhatApp",   "WhatApp",   "WhatApp",
"Twitter",   "Otras",     "Instagram", "Facebook",  "Twitter",  "WhatApp", 
"Twitter",   "Facebook",  "WhatApp",   "Otras",     "Otras",    "WhatApp", 
"WhatApp",   "Twitter",   "Facebook",  "Facebook",  "Twitter",   "Otras",  
"WhatApp",   "Facebook",  "Otras",     "Instagram", "WhatApp",   "Otras",  
"Twitter",   "Otras",     "WhatApp",   "Twitter",   "Otras",     "Twitter",
"Facebook",  "WhatApp",   "Twitter",   "WhatApp",  "Facebook",  "Twitter", 
"WhatApp",   "Twitter",  "Facebook",  "Facebook",  "Twitter",   "WhatApp", 
"Twitter",   "WhatApp",   "WhatApp",   "Otras"  
)                                         
                                                                                         
table(Red)                                             #tabla de frecuencias absolutas
prop.table(table(Red))                                 #tabla de frecuencias relativas
barplot(table(Red), xlab="Red", ylab="Frecuencia")     #grafico de barras
pie(table(Red))                                        #grafico sectores






#############################################
###  Descriptiva para variables NUMÉRICAS
#############################################



x <- c(
0.88, 1.03, 1.11, 0.77, 1.04, 1.05, 0.94, 0.95, 0.94, 
0.91, 0.95, 0.90, 0.92, 1.01, 1.10, 0.99, 0.95, 0.91, 
0.92, 1.24, 1.01, 0.95, 0.96, 1.05, 0.93, 0.86, 1.06, 
0.90, 1.00, 0.91
)                                                  #almacena los valores de la variable
hist(x,plot=FALSE)                                 #tabla frecuencias
hist(x)                                            #histograma
boxplot(x)

mean(x)                                            #media aritmetica
median(x)                                          #mediana
quantile(x,0.5)                                    #segundo cuartil
quantile(x,0.25)                                   #primer cuartil
quantile(x,0.75)                                   #tercer cuartil
quantile(x,0)                                      #minimo
quantile(x,1)                                      #maximo
quantile(x,0.33)                                   #percentil 33
quantile(x, c(0, 0.25, 0.5, 0.75, 1))              #varios percentiles
max(x)                                             #maximo
min(x)                                             #minimo
max(x)-min(x)                                      #rango
quantile(x,0.75) - quantile(x,0.25)                #rango intercuartilico
var(x)                                             #CUASIvarianza
sd(x)                                              #CUASIdesviacion tipica
sd(x)/mean(x)                                      #CUASIcoeficiente variacion







#############################################
###  Práctica 1 - Ejercicio 1
#############################################


###  La siguiente función calcula la Moda (si hay varias, da la menor de ellas)

Mode <- function(x) {
  ux <- unique(x)
  ux[which.max(tabulate(match(x, ux)))]
}



### a)

datos <- c(142, 120 , 122 , 116 , 140 , 118 , 132 , 112 , 128 , 132 , 134 , 118 , 128 , 110 , 108 , 140 , 118 , 94 , 108 , 132)
length(datos)

cat("La media es :",mean(datos),"\n\n")
cat("La mediana es :",median(datos),"\n\n")
cat("La moda es :",Mode(datos),"\n\n")

alfa <- 0.6
quantile( datos , alfa )
alfa <- 0.9
quantile( datos , alfa )

cat("El primer cuartil es :",quantile(datos,0.25),"\n\n")
cat("El segundo cuartil (mediana) es :",quantile(datos,0.5),"\n\n")
cat("El tercer cuartil es :",quantile(datos,0.75),"\n\n")


summary(datos)


n <- length(datos)
true.var <- sum(datos^2)/n-mean(datos)^2
true.sd <- sqrt(true.var)
true.cv <- true.sd/mean(datos)

cat("El recorrido es :",max(datos)-min(datos),"\n","\n")
cat("El recorrido intercuartílico es :",IQR(datos),"\n","\n")
cat("La varianza es :",true.var,"\n","\n")
cat("La cuasivarianza es :",var(datos),"\n","\n")
cat("La desviación típica es :",true.sd,"\n","\n")
cat("La cuasidesviación típica es :",sd(datos),"\n","\n")
cat("El coeficiente de variación es :",true.cv,"\n","\n")
cat("El cuasicoeficiente de variación es :",sd(datos)/mean(datos),"\n","\n")
var(datos)
sd(datos)




### b)   Este apartado se resolverá más adelante



### c)


table(datos)

### Ordena la tabla por sus frecuencias absolutas en orden decreciente
sort( table(datos), decreasing=TRUE )


### Amplía la tabla con frecuencias relativas y acumuladas

tabla <- as.data.frame(table(datos));tabla;

tabla <- transform(tabla,
                   FreqAc = cumsum(Freq),
                   FreqRel = round( prop.table(Freq), 3 ),
                   FreqRelAc = round( cumsum(prop.table(Freq)), 3 )
);tabla;





### d)


hist(datos, 
     breaks = 5,
     main = "Estudio de la presión sanguínea sistólica",
     xlab = "Presión",
     ylab = "Frecuencia (absoluta)",
     col = "red")


hist(datos, 
     breaks = 5,
     freq = FALSE,
     main = "Estudio de la presión sanguínea sistólica",
     xlab = "Presión",
     ylab = "Frecuencia (absoluta)",
     col = "royalblue")


boxplot(datos)

boxplot(datos, main = "Estudio de la presión sanguínea sistólica",
        ylab = "Presión sistólica",col = "royalblue")






#############################################
###  Práctica 1 - Ejercicio 2
#############################################




###  Práctica 1 - Ejercicio 2


### a)

Edad <- c("Anciano","Joven","Niño","Joven","Adulto","Adulto","Joven","Niño","Anciano","Anciano","Adulto","Anciano","Joven","Adulto","Anciano","Joven","Anciano","Niño","Anciano","Adulto");Edad;
length(Edad)
table(Edad)



Grupo <- c("A","B","0","A","A","0","0","0","B","A","A","A","AB","0","B","0","A","A","0","0");Grupo;
length(Grupo)
table(Grupo)




### b)


etiquetas <- c("Adulto", "Anciano", "Joven",  "Niño")
FreqAbs <- c(5, 7, 5, 3)
n <- sum(FreqAbs); n
FreqRel <- round(FreqAbs/n,3); FreqRel
FreqRel100 <- round(FreqRel*100,1); FreqRel100

barplot(FreqRel100, names.arg=etiquetas)   #### Diagrama de rectángulos
pie(FreqRel,etiquetas)                     #### Diagrama de sectores


### Hacer lo mismo con la variable Edad





### c)


ftable(Edad,Grupo)







#############################################
###  FUNCIÓN   sigma.test    PARA USAR EN R
#############################################


sigma.test <- 
function (x, sigma = 1, sigmasq = sigma^2,
        alternative = c("two.sided", "less", "greater"),
        conf.level = 0.95, ...) {
  alternative <- match.arg(alternative)
  sigma <- sqrt(sigmasq)
  n <- length(x)
  xs <- var(x)*(n-1)/sigma^2
  out <- list(statistic = c("X-squared" = xs))
  class(out) <- "htest"
  out$parameter <- c(df = n-1)
  minxs <- min(c(xs, 1/xs))
  maxxs <- max(c(xs, 1/xs))
  PVAL <- pchisq(xs, df = n - 1)
  
  out$p.value <- switch(alternative,
                        two.sided = 2*min(PVAL, 1 - PVAL),
                        less = PVAL,
                        greater = 1 - PVAL)
  out$conf.int <- switch(alternative,
                         two.sided = xs * sigma^2 *
1/c(qchisq(1-(1-conf.level)/2, df = n-1), qchisq((1-conf.level)/2, df
= n-1)),
                         less = c(0, xs * sigma^2 /
qchisq(1-conf.level, df = n-1)),
                         greater = c(xs * sigma^2 /
qchisq(conf.level, df = n-1), Inf))
  attr(out$conf.int, "conf.level") <- conf.level
  out$estimate <- c("var of x" = var(x))
  out$null.value <- c(variance = sigma^2)
  out$alternative <- alternative
  out$method <- "One sample Chi-squared test for variance"
  out$data.name <- deparse(substitute(x))
  names(out$estimate) <- paste("var of", out$data.name)
  return(out)}