preloader

Análisis de atributos

5 de enero de 2018 | 6 minutos de lectura
Índice de contenido

Resumen:
En este tutorial aprenderá cómo añadir una leyenda en R y cómo personalizarla.
¿Cómo citar el presente artículo?
Romero, J. (Enero 1, 2019). Añadir leyendas a un gráfico en R. R.JeshuaRomeroGuadarrama. https://www.r.jeshuaromeroguadarrama.com/es/blog/r/graficos/leyendas/.
Añadir leyendas a un gráfico en R by Jeshua Romero Guadarrama, available under Attribution 4.0 International (CC BY 4.0) at https://www.r.jeshuaromeroguadarrama.com/es/blog/r/graficos/leyendas/.

Análisis de atributos

Los atributos son susceptibles de ser tratados de forma individual o en grupo, para obtener los porcentajes de cada subgrupo en el colectivo global.

De hecho, cada carácter o conjunto de ellos establece una partición o catálogo de la población bajo estudio.

Por otra parte, el tratamiento gráfico más usual que se le daría a un atributo individual sería a través de un diagrama de sectores o diagrama de tarta.

Ejercicio 1.1
Se consideran ahora los datos del ejemplo iris del paquete datasets de R.
Del conjunto de variables de la matriz, se toma en cuenta la denominada Species, que es un atributo con los tres tipos de flores de Iris:

  • Setosa.
  • Virginica.
  • Versicolor.

Análisis numérico en R

A continuación se muestra como construir resúmenes estadísticos y distribuciones de frecuencias a partir de un atributo.

R
# Tabla del atributo con los tres tipos de flores de Iris:
Tabla.Species <- table(iris$Species)

# Resumen de la variables `Tabla.Species`:
Tabla.Species
Output

    setosa versicolor  virginica 
        50         50         50

En este caso, se puede observar que los \(150\) individuos se reparten a partes iguales entre las tres variedades de flores:

  • \(50\) de Setosa.
  • \(50\) de Virginica.
  • \(50\) de Versicolor.

Por lo tanto, los porcentajes son iguales a \(33.33\). No tiene sentido hablar de moda, puesto que las tres clases lo son.

Análisis gráfico en R

A continuación se muestra como construir diagramas de sectores a partir de un atributo.

R ofrece de forma nativa la función pie() que crea gráficos circulares. La entrada es solo una variable numérica, cada valor proporciona el valor de un grupo del gráfico circular.

Nota importante: los gráficos circulares son ampliamente conocidos como una mala forma de visualizar información. Consulte esta publicación para conocer las razones y las alternativas.

R
# Gráfico simple del atributo con los tres tipos de flores de Iris:
pie(Tabla.Species)
Output
R
# Gráfico del atributo con los tres tipos de flores de Iris:
pie(Tabla.Species)

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'))

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    edges = 3)

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    density = 10, 
    angle = c(60,120,180))

library(RColorBrewer)
Paleta.colores <- brewer.pal(5, "Set1") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
Paleta.colores <- brewer.pal(5, "Set2") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
Paleta.colores <- brewer.pal(5, "Set3") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
R
# Gráfico del atributo con los tres tipos de flores de Iris:
pie(Tabla.Species)

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'))

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    edges = 3)

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    density = 10, 
    angle = c(60,120,180))

library(RColorBrewer)
Paleta.colores <- brewer.pal(5, "Set1") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
Paleta.colores <- brewer.pal(5, "Set2") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
Paleta.colores <- brewer.pal(5, "Set3") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
R
# Gráfico del atributo con los tres tipos de flores de Iris:
pie(Tabla.Species)

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'))

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    edges = 3)

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    density = 10, 
    angle = c(60,120,180))

library(RColorBrewer)
Paleta.colores <- brewer.pal(5, "Set1") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
Paleta.colores <- brewer.pal(5, "Set2") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
Paleta.colores <- brewer.pal(5, "Set3") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
R
# Gráfico del atributo con los tres tipos de flores de Iris:
pie(Tabla.Species)

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'))

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    edges = 3)

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    density = 10, 
    angle = c(60,120,180))

library(RColorBrewer)
Paleta.colores <- brewer.pal(5, "Set1") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
Paleta.colores <- brewer.pal(5, "Set2") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
Paleta.colores <- brewer.pal(5, "Set3") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
R
# Gráfico del atributo con los tres tipos de flores de Iris:
pie(Tabla.Species)

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'))

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    edges = 3)

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    density = 10, 
    angle = c(60,120,180))

library(RColorBrewer)
Paleta.colores <- brewer.pal(5, "Set1") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
Paleta.colores <- brewer.pal(5, "Set2") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
Paleta.colores <- brewer.pal(5, "Set3") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
R
# Gráfico del atributo con los tres tipos de flores de Iris:
pie(Tabla.Species)

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'))

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    edges = 3)

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    density = 10, 
    angle = c(60,120,180))

library(RColorBrewer)
Paleta.colores <- brewer.pal(5, "Set1") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
Paleta.colores <- brewer.pal(5, "Set2") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
Paleta.colores <- brewer.pal(5, "Set3") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
R
# Gráfico del atributo con los tres tipos de flores de Iris:
pie(Tabla.Species)

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'))

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    edges = 3)

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    density = 10, 
    angle = c(60,120,180))

library(RColorBrewer)
Paleta.colores <- brewer.pal(5, "Set1") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
Paleta.colores <- brewer.pal(5, "Set2") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
Paleta.colores <- brewer.pal(5, "Set3") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
R
# Gráfico del atributo con los tres tipos de flores de Iris:
pie(Tabla.Species)

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'))

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    edges = 3)

pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    density = 10, 
    angle = c(60,120,180))

library(RColorBrewer)
Paleta.colores <- brewer.pal(5, "Set1") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
Paleta.colores <- brewer.pal(5, "Set2") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)
Paleta.colores <- brewer.pal(5, "Set3") 
pie(Tabla.Species, 
    labels = c('Setosa', 'Versicolor', 'Virginica'), 
    border = "white", 
    col = Paleta.colores)

Referencias

  • Romero, G. J. (2022) Estadística avanzada con R. JeshuaNomics
comments powered by Disqus

popular post

1 de enero de 2020

Problemas de transporte y asignación

Resumen: Existen dos tipos de problemas especiales en la investigación de operaciones, los problemas de transporte y de asignación.

Leer más
1 de enero de 2020

Programación lineal

Resumen: Utilizar R para resolver problemas de programación lineal vinculados a la investigación de operaciones.

Leer más
1 de enero de 2020

Programación lineal entera

Resumen: Utilizar R para resolver problemas de programación lineal entera vinculados a la investigación de operaciones.

Leer más