Tarea 1 Análisis multivariado
Ejercicio 2
a) Realice una descripción exploratoria completa de la base de
datos. Indique el número total de observaciones y variables,
liste las variables presentes, especifique el tipo de cada una y
describa brevemente que representan.
Usaremos la base de datos mtcars
# Describimos las variables
attach(mtcars)
head(mtcars,8)
## mpg cyl disp hp drat wt qsec vs am
gear carb
## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1
4 4
## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1
4 4
## Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1
4 1
## Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0
3 1
## Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0
3 2
## Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0
3 1
## Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0
3 4
## Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0
4 2
str(mtcars)
## '[Link]': 32 obs. of 11 variables:
## $ mpg : num 21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
## $ cyl : num 6 6 4 6 8 6 8 4 4 6 ...
## $ disp: num 160 160 108 258 360 ...
## $ hp : num 110 110 93 110 175 105 245 62 95 123 ...
## $ drat: num 3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92
3.92 ...
## $ wt : num 2.62 2.88 2.32 3.21 3.44 ...
## $ qsec: num 16.5 17 18.6 19.4 17 ...
## $ vs : num 0 0 1 1 0 1 0 1 1 1 ...
## $ am : num 1 1 1 0 0 0 0 0 0 0 ...
## $ gear: num 4 4 4 3 3 3 3 4 4 4 ...
## $ carb: num 4 4 1 1 2 1 4 2 2 4 ...
De la base de datos observamos 11 variables numericas, donde:
mpg : miles/(US)gallon ………..(v. continua)
cyl : number of cylinders……….(v. discreta)
disp : Displacement ([Link].)……..(v. discreta)
hp : Gross Horsepower……………([Link])
drat : Rear axle ratio……………(v. continua)
wt : Weight(1000lbs)……………..(v. continua)
qsec : 1/4 mile time………………(v. continua)
vs: Engine (0 = V-shaped, 1 = straigth)………(v. categorica)
am : Transmission (0 = automatic, 1 = manual)…..(v. categorica)
gear : Number of forward gears……………….(v. discreta)
carb Number of carburetors………………….(v. discreta)
b) Considere la variable cyl (número de cilindros) como variable
de agrupación. Construya diagramas de cajas (boxplots) para
analizar si el número de cilindros tiene efecto sobre las
variables: mpg y hp. Analice la presencia de datos atípicos en
cada grupo y la asimetría de las distribuciones de cada grupo.
# Diagrama de cajas
# Para hacer la evaluación respecto a la variable cyl, convertimos
la variable a categórica
# Donde numero de cilindros 4 (bajo) , 6(medio) , 8 (alto)
mtcars$cyl <- factor(mtcars$cyl)
# Se presenta la gráfica respecto a la variable mpg
boxplot(mtcars$mpg~mtcars$cyl,main="mpg: milles/(US)gallon",
xlab="Number of cylinders", ylab = "mpg")
# Se presenta la gráfica respecto a la variable hp
boxplot(mtcars$hp~mtcars$cyl,main="hp: Gross horsepower",
xlab="Number of cylinders", ylab = "hp")
De la gráfica 1 de cyl vs mpg podemos observar que existe una
tendencia a disminuir entre los niveles de numero de cilindros, en los
niveles 4 (bajo) y 6 (medio) las cajas no presentan datos atípicos a
diferencia que en el nivel 8 (alto) se observa un dato atípico.
De la gráfica 2 de cyl vs hp podemos observar que existe una tendencia
a incrementar entre los niveles de numero de cilindros, en los niveles 4
(bajo) y 8 (alto) las cajas no presentan datos atípicos a diferencia que en
el nivel 6 (medio) se observa un dato atípico.
c) Construya histogramas o densidades para las variables: disp y
wt. ¿Alguna de estas variables, considerada individualmente,
permitiría clasificar los automóviles? ¿En cuantos grupos
aproximadamente?
# Histogramas
# Para la variable disp
hist(mtcars$disp, main="Histograma de disp",
xlab="Displacement ([Link].)")
# Para la variable wt
hist(mtcars$wt, main="Histograma de wt",
xlab="Weight (1000lbs)")
# Densidad por kernel
d1 <- density(mtcars$disp,
kernel = "gaussian")
plot(d1, lwd = 2, main = "Displacement")
d2 <- density(mtcars$wt,
kernel = "gaussian")
plot(d2, lwd = 2, main = "Weight")
Analisis
En la gráfica de histograma de la variable “Displacement” no se
presenta una distribución uniforme, existe asimetría, posteriormente en
la gráfica de densidad kerneel se presume que pueda presentar 2
grupos.
En la gráfica de histograma de la variable “wt” se observa una
distribución uniforme, posiblemente los datos puedan estar distribuidos
de manera normal, en la gráfica de densidad se aprecia que pueda
presentar un solo grupo y pequeña asimetría.
d) Construya diagramas de dispersión bivariados entre las
variables: mpg, hp, wt y qsec diferenciando los puntos según el
tipo de transmisión (am). Analice: ¿Qué combinaciones de
variables permiten diferenciar mejor los grupos definidos por el
tipo de transmisión? ¿Se observan relaciones lineales o patrones
de agrupamiento claros?
#Para hacer la evaluación respecto a la variable am, convertimos
la variable a categórica
# Donde numero de am 0 (automatic) y 1 (manual)
mtcars$am <- factor(mtcars$am)
#Diagrama de dispersión bivariado
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.5.2
##
## Adjuntando el paquete: 'ggplot2'
## The following object is masked from 'mtcars':
##
## mpg
#Variable mpg vs hp
ggplot(data=mtcars,mapping = aes(x=mpg, y=hp,colour = am))+
geom_point()+
labs(title = "Diagrama de dispersión mpg vs hp")
#Variable hp vs wt
ggplot(data=mtcars,mapping = aes(x=hp, y=wt,colour = am))+
geom_point()+
labs(title = "Diagrama de dispersión hp vs wt")
#Variable wt vs qsec
ggplot(data=mtcars,mapping = aes(x=wt, y=qsec,colour = am))+
geom_point()+
labs(title = "Diagrama de dispersión wt vs qsec")
#Variable qsec vs mpg
ggplot(data=mtcars,mapping = aes(x=qsec, y=mpg,colour = am))+
geom_point()+
labs(title = "Diagrama de dispersión qsec vs mpg")
#Variable mpg vs wt
ggplot(data=mtcars,mapping = aes(x=mpg, y=wt,colour = am))+
geom_point()+
labs(title = "Diagrama de dispersión mpg vs wt")
#Variable hp vs qsec
ggplot(data=mtcars,mapping = aes(x=hp, y=qsec,colour = am))+
geom_point()+
labs(title = "Diagrama de dispersión hp vs qsec")
#Podemos hacerlo de igual manera como matriz de dispersión
#Matriz de dispersión
pairs(mtcars[,c(1,4,6,7)])
plot(mtcars[,c(1,4,6,7)],col=mtcars$am)
#Matriz de correlacion Person
datos_num <- mtcars[, c("mpg", "hp", "wt", "qsec")]
matriz_cor <- cor(datos_num, method = "pearson")
print(round(matriz_cor, 2))
## mpg hp wt qsec
## mpg 1.00 -0.78 -0.87 0.42
## hp -0.78 1.00 0.66 -0.71
## wt -0.87 0.66 1.00 -0.17
## qsec 0.42 -0.71 -0.17 1.00
Analisis
De acuerdo a las graficas de dispersión, las combinaciones que
permitene diferenciar los grupos definidos por tipo de transmision son:
mpg vs qsec : miles/(US)gallon vs 1/4 mile tiem
wt vs qsec : weight (1000 lbs) vs 1/4 mile time
wt vs hp : weight (1000 lbs) vs 1/4 mile time
De acuerdo a las graficas de dispersión, las combinaciones que
aparentemente se observa correspondencia lineal son:
mpg vs wt : miles/(US)gallon vs Wieght (1000 lbs)
mpg vs hp : miles/(US)gallon vs Gross horsepower
e) Construya las caras de Chernoff para 15 primeras
observaciones del conjunto de datos, utilizando las variables:
mpg, hp, dips y wt. ¿Es posible identificar grupos de
automóviles de manera visual? ¿Qué variables parecen tener
mayor influencia de la diferenciación entre los vehículos?
# Diagrama de caras de Chernoff
library(aplpack)
## Warning: package 'aplpack' was built under R version 4.5.2
faces(mtcars[1:15, c(1,3,4,6)])
## effect of variables:
## modified item Var
## "height of face " "mpg"
## "width of face " "disp"
## "structure of face" "hp"
## "height of mouth " "wt"
## "width of mouth " "mpg"
## "smiling " "disp"
## "height of eyes " "hp"
## "width of eyes " "wt"
## "height of hair " "mpg"
## "width of hair " "disp"
## "style of hair " "hp"
## "height of nose " "wt"
## "width of nose " "mpg"
## "width of ear " "disp"
## "height of ear " "hp"
Interpretación
De la grafica de Chernoff podemos observar que se aprecia un patron de
caras redondas, pequeñas con cabello color verde y con ojos pequeños
en comparacion de otro grupo con cara mas grandes, alargada con
cabello amarillo y ojos grandes.
Del efecto de las variables:
“alturade la cara”………. “mpg”
“ancho de la boca”………. “mpg”
“altura de los ojos”…….. “hp”
“ancho de los ojos”……… “wt”
“estilo de cabello”……… “hp”
“altura de la nariz”…….. “wt”
“ancho de la nariz”……… “mpg”
“altura de la oreja”…….. “hp”
Podemos decir que las variables : mpg, ht y wt podrian influenciar en la
posibilidad de determinar patrones grupales de automoviles.