---
title: "ACTIVIDAD EN RSTUDIO"
author: "Nombre del estudiante"
date: "`r [Link]()`"
output: html_document
---
#------------------------------------------------
# CLASE 1: INSERTAR BASE DE DATOS DE LA PAGINA WEB
#------------------------------------------------
# ENLACE DE LA BASE DE DATOS:
# [Link]
# Fuente:
# Portal oficial de datos abiertos del Gobierno de Singapur
# [Link]
# INSERTAR LA BASE DE DATOS ARCHIVO CSV
```{r}
CSV_UTF_8 <- read.csv2([Link]())
```
**Interpretación:**
La base de datos fue importada correctamente desde un archivo CSV utilizando la función
`read.csv2()`, debido a que el archivo emplea el punto y coma (;) como separador. Esto permite
una lectura correcta de las variables contenidas en el archivo.
#-----------------------------------------------------------
# CONVERTIR LAS VARIABLES EN BASE DE DATOS EN NUMÉRICAS
#-----------------------------------------------------------
```{r}
str(CSV_UTF_8)
```
**Interpretación:**
Se verificó que las variables `ano` y `[Link]` fueron reconocidas
automáticamente como variables numéricas, por lo que no fue necesario realizar ninguna
transformación adicional.
#-----------------------------------------------------------------
# DESCARGAR LA BASE DE DATOS DE R A EXCEL
#-----------------------------------------------------------------
```{r}
[Link](CSV_UTF_8, "vehiculos_exportado.csv")
```
**Interpretación:**
Se exportó correctamente la base de datos desde RStudio hacia un archivo CSV, garantizando
su almacenamiento y posible reutilización.
#-----------------------------------------------
# INSERTAR LA BASE DE DATOS DE EXCEL A R
#-----------------------------------------------
```{r}
nuevo <- [Link]("vehiculos_exportado.csv")
```
**Interpretación:**
La base de datos exportada fue importada nuevamente con el fin de verificar que la estructura
y el contenido permanecen intactos.
#--------------------------------------------------------------------
# TABLAS DE DISTRIBUCIÓN DE FRECUENCIAS DATOS NO AGRUPADOS
#--------------------------------------------------------------------
# EJERCICIO 1. VARIABLE: AÑO
# Analizar variable cuantitativa discreta mediante tablas de frecuencia
# e interpretación de resultados.
```{r}
Ano <- nuevo$ano
FA <- table(Ano)
FR <- [Link](FA)
FR_porcentaje <- FR * 100
FAA <- cumsum(FA)
FRA <- cumsum(FR)
tabla_frecuencias_ano <- [Link](
Ano = names(FA),
FA = [Link](FA),
FR = round([Link](FR), 2),
FR_porcentaje = round([Link](FR_porcentaje), 2),
FAA = [Link](FAA),
FRA = round([Link](FRA), 2)
tabla_frecuencias_ano
```
**Interpretación:**
Cada año presenta una frecuencia absoluta igual a 1, lo que indica que no existen duplicados y
que cada observación corresponde a un año único dentro de la serie temporal.
#----------------------------------------------------
# GRÁFICO DE BARRAS CON FRECUENCIA ABSOLUTA
#----------------------------------------------------
```{r}
barplot(FA,
main = "Frecuencia de años",
xlab = "Años",
ylab = "Frecuencia",
col = "skyblue",
border = "darkblue")
```
**Interpretación:**
El gráfico confirma visualmente que cada año aparece una sola vez dentro del conjunto de
datos.
#--------------------------------------------------------------
# EJERCICIO 2. VARIABLE: VEHÍCULOS ECOLÓGICOS
# Analizar variable cuantitativa discreta mediante tablas de frecuencia,
# gráficos estadísticos e interpretación de resultados.
#--------------------------------------------------------------
```{r}
Vehiculos <- nuevo$[Link]
FA <- table(Vehiculos)
FR <- [Link](FA)
FR_porcentaje <- FR * 100
FAA <- cumsum(FA)
FRA <- cumsum(FR)
tabla_frecuencias_vehiculos <- [Link](
Vehiculos = names(FA),
FA = [Link](FA),
FR = round([Link](FR), 2),
FR_porcentaje = round([Link](FR_porcentaje), 2),
FAA = [Link](FAA),
FRA = round([Link](FRA), 2)
tabla_frecuencias_vehiculos
```
**Interpretación:**
Cada valor de vehículos ecológicos aparece una sola vez dentro de la base, lo que refleja que
cada dato corresponde a un año específico y permite observar su evolución temporal.
#----------------------------------------------------
# GRÁFICO DE BARRAS
#----------------------------------------------------
```{r}
colores <- c("gold", "skyblue", "tomato", "lightgreen",
"plum", "orange", "cyan", "pink",
"khaki", "salmon", "turquoise", "violet")
barras <- barplot(nuevo$[Link],
[Link] = nuevo$ano,
main = "Vehículos ecológicos por año",
xlab = "Año",
ylab = "Número de vehículos",
col = colores)
text(x = barras,
y = nuevo$[Link],
labels = nuevo$[Link],
pos = 3)
```
**Interpretación:**
El gráfico evidencia una tendencia creciente sostenida del número de vehículos ecológicos
entre 2003 y 2014, reflejando una expansión progresiva del uso de transporte sostenible.
#-----------------------------------------------
# GRÁFICO CIRCULAR
#-----------------------------------------------
```{r}
FA <- table(nuevo$[Link])
FR <- [Link](FA)
colores <- c("gold", "skyblue", "tomato", "lightgreen",
"plum", "orange", "cyan", "pink",
"khaki", "salmon", "turquoise", "violet")
etiquetas <- paste(names(FA),
round(FR * 100, 1), "%")
pie(FA,
labels = etiquetas,
main = "Distribución porcentual de vehículos ecológicos",
col = colores)
```
**Interpretación:**
El gráfico circular permite visualizar el porcentaje que representa cada observación dentro del
total de la muestra, facilitando la comprensión de la distribución porcentual de los datos.
#----------------------------------------------------
# CONCLUSIÓN FINAL
#----------------------------------------------------
El análisis estadístico realizado demuestra que el número de vehículos ecológicos presenta una
tendencia de crecimiento progresivo y sostenido durante el período 2003–2014. Este
comportamiento evidencia una transición favorable hacia modelos de movilidad más
sostenibles y ambientalmente responsables.