July 11, 2017

Ejercicio del software estadistico R para analisis históricos (1)

Fuente: http://www.eighteenthcenturypoetry.org/authors/pers00073.shtmlPor: Francisco Pesante
franciscopesante@gmail.com

El software estadístico R cuenta con un paquete de ejercicios para el análisis histórico: HistData. Este cuenta con varios conjunto de datos (data sets) de suma relevancia para entender el desarrollo histórico de la estadística como disciplina, así como para propósitos educativos. La guía para este paquete (y fuente para este post) es producto de Michael Friendly, Stephane Dray, Hadley Wickham, James Hanley, Dennis Murphy y Peter Li, y fue publicado tan reciente como enero de 2017.

A continuación los elementos del script para realizar estos ejercicio de John Arbuthnot. Este médico y estadístico inglés llevó a cabo un ejercicio para conocer la proporción (ratio) de hombre a mujer en la sociedad de su tiempo, mediante la recopilación de datos para 81 años. Esta investigación es recogida en su obra Un argumento para la Divina Providencia tomado de la constante Regularidad Observada en los nacimientos de ambos sexos

El siguiente conjunto de datos cuenta con 82 observaciones para las siguientes 7 variables:
  • Year: vector numérico para el periodo entre 1629-1710
  • Males: vector numérico con el número de bautismos masculinos
  • Females: vector numérico con el número de bautismos femeninos.
  • Plague: vector numérico, con el número de muertos por la plaga
  • Mortality: vector numérico, con el número total de muertes
  • Ratio: vector numérico, con el ratio de hombre a mujeres
  • Total: vector numérico, total de bautisos en Londres (en miles) 

1:  library(HistData)  
2:  data(Arbuthnot)  
3:  View(Arbuthnot)  
4:    
5:  # generar grafico del ratio entre hombres y mujeres  
6:  with(Arbuthnot, plot(Year,Ratio, type='b', ylim=c(1, 1.20), ylab="Sex Ratio (M/F)"))  
7:  abline(h=1, col="red")   
8:  #donde ylim establece los limites de la ordenada (vertical) y ylab la rotulación del eje y abline establece un limite inferior  
9:    
10:  # añadir regresion local (loess smooth) para “suavizar” los valores  
11:  Arb.smooth <- with(Arbuthnot, loess.smooth(Year,Ratio))  
12:  lines(Arb.smooth$x, Arb.smooth$y, col="blue", lwd=2)  
13:    
14:  # generar grafico de todos los bautismos para detector un valor atípico en 1704  
15:  with(Arbuthnot, plot(Year,Total, type='b', ylab="Total Christenings"))  


Fuente: Friendly, Michael et. al. (enero 2017) Package ‘HistData’ https://cran.r-project.org/web/packages/HistData/HistData.pdf.

Recurso para formato de código: http://codeformatter.blogspot.com/

***
www.historiapesante.info
twitter @historiapesante
facebook @historiapesante

No comments:

Post a Comment