Medidas de tendencia central y Disperción en Lenguaje de programación "R" y Python

Peso<-c(82, 87, 92, 95, 95, 100, 101, 102, 103, 104, 104, 105, 106, 108, 110, 110, 113, 113, 115, 115, 117, 118, 118, 118, 119, 119, 119, 120, 120, 121, 124, 125, 125, 126, 126, 126, 126, 127, 129, 129, 132, 132, 133, 135, 136, 137, 137, 146, 146, 148)
min(Peso)
max(Peso)
range(Peso)
moda<- function(x)as(names(which.max(table(x))), mode(x))
moda(Peso)
median(Peso)
mean(Peso)sd(Peso)
var(Peso)
frecuencia.Peso<-table(Peso)
frecuencia.relativa<-table(Peso)/length(Peso)
cumsum(frecuencia.Peso)
cumsum(frecuencia.relativa)
#clases<-c("82-91","92-101","102-111","112-121","122-131","132-141","142-151")
#xi<-c(86.5,96.5,106.5,116.5,126.5,136.5,146.5)
#Fi<-c(2,5,9,14,10,7,3)
#Fr<-c(.04,.1,.18,.28,.2,.14,.06)#FrecuenciaPorcentual<-c("4%","10%","18%","20%","14%","6%")
#FA<-c(2,7,16,30,40,47,50)
#FrA<-c(.04,.14,.32,.6,.8,.94,1)
#Frec.PorcentualAcumulada<-c("4%","14%","32%","60%","80%","94%","100%")
#xiFi<-c(173,482.5,958.5,1631,1265,927.5,439.5)
#tablaDF<-data.frame(cbind(clases,xi,Fi,Fr,FrecuenciaPorcentual,FA,FrA,Frec.PorcentualAcumulada,xiFi))
#tablaDF
par(mfrow=c(1,2))
boxplot(ratas, col="red")
y<-hist(ratas,col="brown", main="Pesos de las ratillas",ylab="Frecuencia",xlab="peso en gramos")
lines(c(min(y$breaks),y$mids,max(y$breaks)),c(0,y$counts,0),type="l")
------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Python:
# -*- coding: utf-8 -*-
#Objetivo
# Julio César Robledo Rodríguez
# 2014/09/30 - 11:18pm
# Estatutos import
import scipy.stats
import matplotlib.pyplot as plt
print ("Cada uno de los 16 estudiantes de la clase de probabilidad en la carrera de Ingeniería Industrial mide la circunferencia de una pelota de tenis por cuatro métodos diferentes.")
#creación de variables e introducción de valores
MetA =[18,18,18,20,22,22,22.5,23,24,24,25,25,25,25,26,26.4]
MetB = [18.8,18.9,18.9,19.6,20.1,20.4,20.4,20.4,20.4,20.5,21.2,22,22,22,22,23.6]
MetC = [20.2,20.5,20.5,20.7,20.8,20.9,21,21,21,21,21,21.5,21.5,21.5,21.5,21.6]
MetD = [20,20,20,20,20.2,20.5,20.5,20.7,20.7,20.7,21,21.1,21.5,21.6,22.1,22.3]
Aquart1= scipy.stats.scoreatpercentile (MetA, 25)
Aquart3= scipy.stats.scoreatpercentile (MetA, 75)
print ("Mediaaritmética: ", scipy.mean (MetA))
print ("Mediana: ", scipy.median (MetA))
print ("Desviación estándar: ", scipy.std (MetA))
print ("Varianza: ", scipy.var(MetA))
print ("Valor Mínimo: ", min (MetA))
print ("Valor Máximo: ", max (MetA))
print ("Quartil 1 y 3: ", Aquart1, "y ", Aquart3)
# Elaborar una representación gráfica
plt.hist (MetA, bins = 3) # Dibuja un histograma con 5 clases para varedad
plt.show()
plt.boxplot(MetA, vert=False)
plt.show()
Bquart1= scipy.stats.scoreatpercentile (MetB, 25)
Bquart3= scipy.stats.scoreatpercentile (MetB, 75)
print ("Media aritmética: ", scipy.mean (MetB))
print ("Mediana: ", scipy.median (MetB))
print ("Desviación estándar: ", scipy.std (MetB))
print ("Varianza: ", scipy.var(MetB))
print ("Valor Mínimo: ", min (MetB))
print ("Valor Máximo:", max (MetB))
print ("Quartil 1 y 3: ", Bquart1, "y ", Bquart3)
# Elaborar una representación gráfica
plt.hist (MetB, bins = 3) # Dibuja un histograma con 5 clases para var edad
plt.show()
plt.boxplot(MetB, vert=False)
plt.show()
Cquart1= scipy.stats.scoreatpercentile (MetC, 25)
Cquart3= scipy.stats.scoreatpercentile (MetC, 75)
print ("Media aritmética: ", scipy.mean (MetC))
print("Mediana: ", scipy.median (MetC))
print ("Desviación estándar: ", scipy.std (MetC))
print ("Varianza: ", scipy.var(MetC))
print ("Valor Mínimo: ", min (MetC))
print ("Valor Máximo: ", max (MetC))
print ("Quartil 1 y 3: ", Cquart1, "y ", Cquart3)
# Elaborar una representación gráfica
plt.hist (MetC, bins = 3) # Dibuja un histograma con 5 clases para var edad
plt.show()
plt.boxplot(MetC,...