Preliminares: carga de las librerías que utilizaremos en esta práctica, y lectura del archivo de datos.

library(readxl)
library(tidyverse)
library(flextable)
library(moments)

tortugas <- read_csv2("tortugas.csv")

1. Descripción de variables usando listas de funciones. Presentación con flextable().

Recupera el código utilizado en la práctica 2 para describir una variable numérica mediante una lista de funciones descriptivas: Número de observaciones, media, desviación típica, asimetria, curtosis, mínimo, máximo y Mediana. Utiliza dicho código para describir las variables LCC y ACC.

Describimos LCC:

listaFunciones=list(n=length,
                    media=mean,
                    sd=sd,
                    asimetria=skewness,
                    curtosis=kurtosis,
                    min=min,
                    mediana=median,
                    max=max)

tortugas %>%
  summarise_at(vars(LCC), listaFunciones) %>% 
  mutate(Variable="LCC") %>% 
  select(last_col(),everything()) %>% 
  flextable() %>% 
  fontsize(size=12,part="all") %>% 
  colformat_num(j=-2,digits=2) %>% 
  autofit()

Variable	n	media	sd	asimetria	curtosis	min	mediana	max
LCC	1277	81.91	4.61	0.67	5.76	63.20	81.90	105.30

Describimos ACC del mismo modo:

tortugas %>%
  summarise_at(vars(ACC), listaFunciones) %>% 
  mutate(Variable="ACC") %>% 
  select(last_col(),everything()) %>% 
  flextable() %>% 
  fontsize(size=12,part="all") %>% 
  colformat_num(j=-2,digits=2) %>% 
  autofit()

Variable	n	media	sd	asimetria	curtosis	min	mediana	max
ACC	1277	77.19	3.99	0.38	3.74	63.20	77.10	92.10

2. Valores perdidos: uso de `na.rm=TRUE`.

Calcula el número medio de crías emergidas

tortugas %>% 
  summarize(mean(crias_Emerg,na.rm=TRUE))

## # A tibble: 1 x 1
##   `mean(crias_Emerg, na.rm = TRUE)`
##                               <dbl>
## 1                              27.1

3. Valores perdidos cuando se usan listas de funciones: uso de `na.rm=TRUE`.

Describe las variables “Crias Emergidas” y “Crías Muertas” utilizando la lista de funciones empleada en el punto 1 de esta práctica

Crías Emergidas:

listaFunciones=list(media=mean,
                    sd=sd,
                    asimetria=skewness,
                    curtosis=kurtosis,
                    min=min,
                    mediana=median,
                    max=max)
tortugas %>%
  summarise_at(vars(crias_Emerg), listaFunciones, na.rm=TRUE) %>% 
  flextable() %>% autofit()

media	sd	asimetria	curtosis	min	mediana	max
27.09444	26.37108	0.6185505	2.218484	0	20	109

Crías Muertas:

tortugas %>%
  summarise_at(vars(crias_Muertas), listaFunciones, na.rm=TRUE) %>% 
  flextable() %>% autofit()

media	sd	asimetria	curtosis	min	mediana	max
1.275556	2.337407	2.561479	9.887211	0	0	13

4. Funciones.

Define funciones para contar el número de observaciones válidas y el número de valores perdidos en una variable.

n_missing <- function(x){
  sum(is.na(x))
}

n_valid <- function(x){
  sum(!is.na(x))
}

Si queremos contar el número de valores válidos en todas las variables de tortugas:

tortugas %>% 
  summarise_all(n_valid) %>% 
  flextable() %>% 
  autofit()

Año	periodo	LCC	ACC	peso	Huevos	playa	distancia	profNido	crias_Emerg	crias_Muertas	hrotos	cangrejos
1277	1277	1277	1277	1277	1277	1277	1277	1277	900	900	900	900

Si queremos contar el número de valores perdidos:

tortugas %>% 
  summarise_all(n_missing) %>% 
  flextable() %>% 
  autofit()

Año	periodo	LCC	ACC	peso	Huevos	playa	distancia	profNido	crias_Emerg	crias_Muertas	hrotos	cangrejos
0	0	0	0	0	0	0	0	0	377	377	377	377

Podemos usar estas funciones en combinación con otras:

tortugas %>% 
  summarise(mediaCrias_Emerg=mean(crias_Emerg,na.rm=TRUE),
            sdLCC=sd(crias_Emerg,na.rm=TRUE),
            nLCC=n_valid(crias_Emerg)) %>% 
  flextable() %>% 
  autofit()

mediaCrias_Emerg	sdLCC	nLCC
27.09444	26.37108	900

5. Gráficos con ggplot: Nubes de puntos

Representar gráficamente LCC frente a ACC.

tortugas %>% 
  ggplot(aes(x=ACC,y=LCC)) +
  geom_point()

6. Gráficos con ggplot: Nubes de puntos y recta de regresión.

Representar gráficamente el peso frente a la superficie del caparazón, añadiendo la linea de regresión

tortugas %>% 
  mutate(superf=pi*((LCC+ACC)/400)^2) %>% 
  ggplot(aes(x=superf,y=peso)) +
  geom_point()+
  geom_smooth(method="lm")

Práctica 3. Estadística Descriptiva con R

Creación de Funciones. Gráficos con ggplot2

Preliminares: carga de las librerías que utilizaremos en esta práctica, y lectura del archivo de datos.

1. Descripción de variables usando listas de funciones. Presentación con flextable().

2. Valores perdidos: uso de `na.rm=TRUE`.

3. Valores perdidos cuando se usan listas de funciones: uso de `na.rm=TRUE`.

4. Funciones.

5. Gráficos con ggplot: Nubes de puntos

6. Gráficos con ggplot: Nubes de puntos y recta de regresión.

Práctica 3. Estadística Descriptiva con R

Creación de Funciones. Gráficos con ggplot2

Preliminares: carga de las librerías que utilizaremos en esta práctica, y lectura del archivo de datos.

1. Descripción de variables usando listas de funciones. Presentación con flextable().

2. Valores perdidos: uso de na.rm=TRUE.

3. Valores perdidos cuando se usan listas de funciones: uso de na.rm=TRUE.

4. Funciones.

5. Gráficos con ggplot: Nubes de puntos

6. Gráficos con ggplot: Nubes de puntos y recta de regresión.

2. Valores perdidos: uso de `na.rm=TRUE`.

3. Valores perdidos cuando se usan listas de funciones: uso de `na.rm=TRUE`.