_Rhistory

varianza_Income
# Desviación estándar
sd_Income                 <-sd(Credit$Income)
sd_Income
# Coeficiente de variación
cv_Income                 <- sd_Income/media_Income
cv_Income
# Medidas de disperción de Rating
# Rango
range(Credit$Rating)
Rango_Rating       <- 982-93
Rango_Rating
# Rango intercuartílico = Q3 - Q1
IQR_Rating                <- IQR(Credit$Rating)
IQR_Rating
# Varianza
varianza_Rating       <- var(Credit$Rating)
varianza_Rating
# Desviación estándar
sd_Rating                 <-sd(Credit$Rating)
sd_Rating
# Coeficiente de variación
cv_Rating                 <- sd_Rating/media_Rating
cv_Rating
#Parte 4b iii:
# Histograma de Income:
hist(Credit$Income, breaks = clasesIncome, xlab = "Income ($)",ylab = "Frecuencia absoluta", main="Histograma de Income", ylim=c(0,300), xlim=c(0,200))
# Histograma de Rating
hist(Credit$Rating, breaks = clasesRating, xlab = "Rating",ylab = "Frecuencia absoluta", main="Histograma de Rating", ylim=c(0,200), xlim=c(0,1000))
# Ojiva de Income:
library(agricolae)
h                 <-hist(Credit$Income, xlab = "Income ($)", ylab = "Frecuencia", main="Ojiva de Income")
points            <-ogive.freq(h,frame=FALSE, xlab="Income ($)", ylab="Frecuencia relativa acumulada", main="Ojiva de Income")
print(points)
# Ojiva de Rating:
h                <-hist(Credit$Rating, xlab = "Rating", ylab = "Frecuencia", main="Ojiva de Rating")
points            <-ogive.freq(h,frame=FALSE, xlab="Income ($)", ylab="Frecuencia relativa acumulada", main="Ojiva de Rating")
print(points)
#Parte 4b IV:
# Detección de observaciones atípicas:
# Para la variable Income:
# Se definen en variables los datos obtenidos del primer y tercer cuartil:
Q1_Income <- 21.01
Q1_Income
Q3_Income <- 57.47
Q3_Income
# Se utiliza nuevamente el Rango intercuartílico:
IQR_Income                <- IQR(Credit$Income)
IQR_Income
# Se calcula el limite inferior y superior
LimInf_Income <- Q1_Income-1.5*IQR_Income
LimInf_Income
# El valor obtenido es de signo negativo, por lo cual, éste se descarta debido a que no existen números
# negativos dentro de la variable Income.
# Igualmente se continua trabajando con el límite superior.
LimSup_Income <- Q3_Income+1.5*IQR_Income
LimSup_Income
# Se obtienen los índices que están arriba del límite superior:
OutliersSup_Income <- which(Credit$Income>LimSup_Income)
OutliersSup_Income
# Se ultiliza la siguiente función para mostrar los valores de los datos atípicos:
boxplot.stats(Credit$Income)[4]
# El número de elementos de OutliersSup_Income se corresponde
# con el número de outliers del límite superior.
length(OutliersSup_Income)
# Para la variable Rating:
# Se definen en variables los datos obtenidos del primer y tercer cuartil:
Q1_Rating <- 247.2
Q1_Rating
Q3_Rating <- 437.2
Q3_Rating
# Se utiliza nuevamente el Rango intercuartílico:
IQR_Rating                <- IQR(Credit$Rating)
IQR_Rating
# Se calcula el limite inferior y superior
LimInf_Rating <- Q1_Rating-1.5*IQR_Rating
LimInf_Rating
# El valor obtenido es de signo negativo, por lo cual, éste se descarta debido a que no existen números
# negativos dentro de la variable Income.
# Igualmente se continua trabajando con el límite superior.
LimSup_Rating <- Q3_Rating+1.5*IQR_Rating
LimSup_Rating
# Se obtienen los datos que están arriba de los límites superiores e inferiores:
OutliersSup_Rating <- which(Credit$Rating>LimSup_Rating)
OutliersSup_Rating
# Se ultiliza la siguiente función para mostrar los valores de los datos atípicos:
boxplot.stats(Credit$Rating)[4]
# El número de elementos de OutliersSup_Income se corresponde
# con el número de outliers del límite superior.
length(OutliersSup_Rating)
# Se pide 5:
# Diagrama de caja de Income:
boxplot(Credit$Income, main = "Diagrama de caja de Income", ylab="Income($)" )
# Diagrama de caja de Rating:
boxplot(Credit$Rating, main = "Diagrama de caja de Rating", ylab="Rating" )
# Diagrama de caja de Income/Ethnicity
boxplot(Credit$Income ~ Credit$Ethnicity, data = Credit, "Income", main = "Diagrama de cajas Income/Ethnicity", xlab="Ethnicity", ylab="Income")
# Diagrama de caja de Rating/Ethnicity
boxplot(Credit$Rating ~ Credit$Ethnicity, data = Credit, "Rating", main = "Diagrama de cajas Rating/Ethnicity", xlab="Ethnicity", ylab="Rating")
# Se pide 6: Análisis de asociación entre Income y Ethnicity
# Se crea tabulación cruzada de datos:
tablaEhtnicityInome <- table(Credit$Ethnicity, clases_Income)
tablaEhtnicityInome
# Se agregan los totales (distribuciones marginales)
tablaEhtnicityInome <- addmargins(tablaEhtnicityInome)
tablaEhtnicityInome
# Se elabora distribución de frecuencia porcentual
options("digits"=1)               #defino un decimal
tabla2 =  tablaEhtnicityInome[,-6]
tabla2
tabla_fila = prop.table(tabla2,1)  # la opcion 1 es porcentaje por fila y la 2 por columna
tabla_fila
tabla_fila = addmargins(tabla_fila)
tabla_fila = tabla_fila[-5,]
tabla_fila = tabla_fila*100
tabla_fila
# Para visualizar solo la fila del total porcentual realizo la siguiente sentencia:
frec_income = as.matrix(tabla_fila[4,])
colnames(frec_income) = "Frec. Porcentual"
frec_income
# Cálculo de Chi Cuadrado e índice de Cramer
tablaEhtnicityInome = tablaEhtnicityInome[-4,-6]
tablaEhtnicityInome
options("digits"=4)               #defino un decimal
chi.cuad = chisq.test(tablaEhtnicityInome, simulate.p.value = TRUE)
chi.cuad
chi.cuad = chi.cuad$statistic
chi.cuad
cramer = sqrt(chi.cuad/(sum(tablaEhtnicityInome)*2))
cramer
# Se pide 7: Una comparación de las distribuciones de las dos variables
# cuantitativas seleccionadas mediante un diagrama de dispersión
plot(Credit$Income, Credit$Rating, xlab="Income", ylab="Rating",
main="Diagrama de dispersión")
# agrego la recta de regresion al diagrama de dispersion
reg = lm(Rating~Income, Credit)
reg
abline(reg)
# Calculo de la covarianza
cov(Credit$Income, Credit$Rating)
# Calculamos coeficiente de correlación lineal de Pearson entre las variables
cor(Credit$Income, Credit$Rating)
# Comprobamos que hay correlación positiva y por lo tanto las variables están relacionadas
# BONUS
# La variable cualitativa es Ethnicity
# Se pide un análisis de la distribución por grupos de cada variable cuantitativa
# por clases de la variable cualitativa.
with(Credit,
plot(Credit$Rating, Credit$Income,
pch=as.numeric(Credit$Ethnicity), cex=1.2, ylab="Rating", xlab="Income"))
legend( x= "bottomright",
legend=c("African-American", "Caucasian", "Asian"),
pch=as.numeric(Credit$Ethnicity), cex=0.8)
# Universidad ORT Uruguay
# Facultad de Administración y Ciencias Sociales
# Obligatorio de Principios de Estadística
# Cecilia Machado - N°213640
# Paquete de datos requeridos:
# ISLR
# Base de datos:
# Credit
# Inicio del preámbulo:
# Borrar todas las variables de la memoria de trabajo:
rm(list=ls())
# Establecer carpeta de trabajo:
setwd("C:/Users/Cecilia/Desktop/ORT/Semestre 2/Principios de Estadística/Obligatorio")
# Cargar el paquete de datos "ISLR"
library(ISLR)
# Cargar base de datos:
data("Credit")
# Visualizar base de datos:
View(Credit)
# Visualizar tipo de datos:
str(Credit)
head(Credit)
# Fin del preámbulo
# Se pide 4a:
# Frecuencias absolutas de la variable Ethnicity
FrecAbs   <- table(Credit$`Ethnicity`)
FrecAbs
#Frecuencia Absoluta Acumulada:
Frec_Abs_Acum <-cumsum(FrecAbs)
Frec_Abs_Acum
#Frecuencia Relativa:
RelCredit <- prop.table(FrecAbs)
RelCredit
#Frecuencia Relativa Acumulada:
Frec_Rel_Acum <-cumsum(RelCredit)
Frec_Rel_Acum
#Frecuencua Porcentual:
PorCredit <- prop.table(RelCredit)*100
PorCredit
# Frecuencia Porcentual Acumulada:
Frec_Por_Acum <- cumsum(PorCredit)
Frec_Por_Acum
# Se combinan en una tabla todas las variables creadas de las distintas frecuencias:
Frecuencias <- cbind(FrecAbs, RelCredit, PorCredit, Frec_Abs_Acum, Frec_Rel_Acum, Frec_Por_Acum)
Frecuencias
# Confección de gráficos:
# Gráfico de barras de Frecuencias Absolutas
png("Gráfico de barras de Frecuencias Absolutas.png")
barplot(FrecAbs, main="Gráfico de barras de Frecuencias Absolutas", xlab="Ethnicity",ylab="Frecuencias",ylim=c(0,250))
dev.off()
# Gráfico circular de Frecuencias Porcentuales:
png("Grafico circular de Frecuencias Porcentuales.png")
pie(PorCredit,  main="Frecuencias Porcentuales")
dev.off()
# Se pide 4bi:
# La primer variable cuantitativa a estudiar será: "Income"
# Tabla de frecuencias agrupadas por clases:
# Ver valores mínimos y máximos de la variable para calcular el ancho de clases:
max(Credit$Income)
min(Credit$Income)
# Se calcula el ancho de clases de la siguiente manera:
# Ancho de clases = (Valor mayor - Valor menor)/Número de clases
# Ancho de clases = (186.6 - 10.35)/5 => Ancho de clases = 35.25
# Se redondea el resultado obtenido, de lo contrario, algunas observaciones quedarían por fuera de las clases.
# Ancho de clases = 35.5
# La distribución de frecuencias será: 10.000-45.500, 45.500-81.000, 81.000-116.500, 116.500-152.000, 152.000-188.000.
val_ini         <- 10.000
val_fin         <- 187.500
salto           <-  35.500
clasesIncome          <- seq(val_ini,val_fin,salto)
clasesIncome
# Se genera una variable tal que cada valor sea a qué clase pertenece cada observación de Income
clases_Income  <- cut(Credit$Income, breaks = clasesIncome)
print(clases_Income)
# A esa nueva variable, calcularle las frecuencias absolutas:
Frec_Abs_Clases_Income      <- table(clases_Income)
Frec_Abs_Clases_Income
# Expresarlo como un "data frame" que es nuestra tabla deseada a la que le vamos a ir
# agregando columnas
tabla_frecuencia_clases_income <- data.frame(Frec_Abs_Clases_Income)
tabla_frecuencia_clases_income
# Agregar al data frame una columna de Frecuencias relativas
Frec_rel        <- tabla_frecuencia_clases_income$Freq/sum(tabla_frecuencia_clases_income$Freq)
tabla_frecuencia_clases_income$Frec_rel <- Frec_rel
tabla_frecuencia_clases_income
# Agregar al data frame una columna de Frecuencias porcentuales
Frec_por        <- tabla_frecuencia_clases_income$Freq/sum(tabla_frecuencia_clases_income$Freq)*100
tabla_frecuencia_clases_income$Frec_por <- Frec_por
tabla_frecuencia_clases_income
# Agregar al data frame una columna de Frecuencias absolutas acumuladas
Frec_abs_acum   <- cumsum(tabla_frecuencia_clases_income$Freq)
tabla_frecuencia_clases_income$Frec_abs_acum <- Frec_abs_acum
print(tabla_frecuencia_clases_income)
# Agregar al data frame una columna de Frecuencias relativas acumuladas
Frec_rel_acum                  <- cumsum(tabla_frecuencia_clases_income$Frec_rel)
tabla_frecuencia_clases_income$Frec_rel_acum <- Frec_rel_acum
print(tabla_frecuencia_clases_income)
# Agregar al data frame una columna de Frecuencias porcentuales acumuladas
Frec_por_acum                  <- cumsum(tabla_frecuencia_clases_income$Frec_por)
tabla_frecuencia_clases_income$Frec_por_acum <- Frec_por_acum
print(tabla_frecuencia_clases_income)
# La segunda variable cuantitativa a estudiar será: "Rating"
# 1 - Tabla de frecuencias agrupadas por clases:
# Ver valores mínimos y máximos de la variable para calcular el ancho de clases:
max(Credit$Rating)
min(Credit$Rating)
# Se calcula el ancho de clases de la siguiente manera:
# Ancho de clases = (Valor mayor - Valor menor)/Número de clases
# Ancho de clases = (982 - 93)/5 => Ancho de clases = 177,8
# Se redondea el resultado obtenido, de lo contrario, algunas observaciones quedarían por fuera de las clases.
# Ancho de clases = 180
# La distribución de frecuencias será: 90-270, 270-450, 450-630, 630-810, 810-990.
val_ini         <- 90
val_fin         <- 990
salto           <-  180
clasesRating          <- seq(val_ini,val_fin,salto)
clasesRating
# Se genera una variable tal que cada valor sea a qué clase pertenece cada observación de Rating
clases_Rating  <- cut(Credit$Rating, breaks = clasesRating)
print(clases_Rating)
# A esa nueva variable, calcularle las frecuencias absolutas:
Frec_Abs_Clases_Rating      <- table(clases_Rating)
Frec_Abs_Clases_Rating
# Expresarlo como un "data frame" que es nuestra tabla deseada a la que le vamos a ir
# agregando columnas
tabla_frecuencia_clases_Rating <- data.frame(Frec_Abs_Clases_Rating)
tabla_frecuencia_clases_Rating
# Agregar al data frame una columna de Frecuencias relativas
Frec_rel_Rating        <- tabla_frecuencia_clases_Rating$Freq/sum(tabla_frecuencia_clases_Rating$Freq)
tabla_frecuencia_clases_Rating$Frec_rel_Rating <- Frec_rel_Rating
tabla_frecuencia_clases_Rating
# Agregar al data frame una columna de Frecuencias porcentuales
Frec_por_Rating        <- tabla_frecuencia_clases_Rating$Freq/sum(tabla_frecuencia_clases_Rating$Freq)*100
tabla_frecuencia_clases_Rating$Frec_por_Rating <- Frec_por_Rating
tabla_frecuencia_clases_Rating
# Agregar al data frame una columna de Frecuencias absolutas acumuladas
Frec_abs_acum_Rating   <- cumsum(tabla_frecuencia_clases_Rating$Freq)
tabla_frecuencia_clases_Rating$Frec_abs_acum_Rating <- Frec_abs_acum_Rating
print(tabla_frecuencia_clases_Rating)
# Agregar al data frame una columna de Frecuencias relativas acumuladas
Frec_rel_acum_Rating                  <- cumsum(tabla_frecuencia_clases_Rating$Frec_rel_Rating)
tabla_frecuencia_clases_Rating$Frec_rel_acum_Rating <- Frec_rel_acum_Rating
print(tabla_frecuencia_clases_Rating)
# Agregar al data frame una columna de Frecuencias porcentuales acumuladas
Frec_por_acum_Rating                  <- cumsum(tabla_frecuencia_clases_Rating$Frec_por_Rating)
tabla_frecuencia_clases_Rating$Frec_por_acum_Rating <- Frec_por_acum_Rating
print(tabla_frecuencia_clases_Rating)
# Se pide 4bii:
# Se calcula la tendencias centrales (media, mediana y moda) de Income y Rating respectivamente:
# Tendencia central de Income
# Media
media_Income <- mean(Credit$Income)
media_Income
# Mediana
mediana_Income <-median(Credit$Income)
mediana_Income
# Moda
getmode            <- function(v) {
uniqv            <- unique(v)
uniqv[which.max(tabulate(match(v, uniqv)))]
}
moda               <- getmode(Credit$Income)
moda
# Tendencia central de Rating
# Media
media_Rating       <-mean(Credit$Rating)
media_Rating
# Mediana
mediana_Rating     <-median(Credit$Rating)
mediana_Rating
# Moda
getmode            <- function(v) {
uniqv            <- unique(v)
uniqv[which.max(tabulate(match(v, uniqv)))]
}
moda               <- getmode(Credit$Rating)
moda
# Se calcula las medidas de separación (cuartiles y deciles) de Income y Rating respectivamente
# Cuartil de Income
cuartiles_Income          <-  quantile(Credit$Income, c(0.25, 0.5, 0.75))
cuartiles_Income          <-  as.vector(cuartiles_Income)
cuartiles_Income
# Decil de Income
deciles_Income          <-  quantile(Credit$Income, c(0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9))
deciles_Income          <-  as.vector(deciles_Income)
deciles_Income
# Cuartil de Rating
cuartiles_Rating          <-  quantile(Credit$Rating, c(0.25, 0.5, 0.75))
cuartiles_Rating          <-  as.vector(cuartiles_Rating)
cuartiles_Rating
# Decil de Rating
deciles_Rating          <-  quantile(Credit$Rating, c(0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9))
deciles_Rating          <-  as.vector(deciles_Rating)
deciles_Rating
# Se calculan las medidas de disperción (rango o recorrido, Rango intercuartílico, Varianza, Desviación estándar,
# coeficiente de variación) de Income y Rating respectivamente.
# Medidas de disperción de Income
# Rango
range(Credit$Income)
Rango_Income       <- 186.634-10.354
Rango_Income
# Rango intercuartílico (Q3 - Q1)
IQR_Income                <- IQR(Credit$Income)
IQR_Income
# Varianza
varianza_Income       <- var(Credit$Income)
varianza_Income
# Desviación estándar
sd_Income                 <-sd(Credit$Income)
sd_Income
# Coeficiente de variación
cv_Income                 <- sd_Income/media_Income
cv_Income
# Medidas de disperción de Rating
# Rango
range(Credit$Rating)
Rango_Rating       <- 982-93
Rango_Rating
# Rango intercuartílico = Q3 - Q1
IQR_Rating                <- IQR(Credit$Rating)
IQR_Rating
# Varianza
varianza_Rating       <- var(Credit$Rating)
varianza_Rating
# Desviación estándar
sd_Rating                 <-sd(Credit$Rating)
sd_Rating
# Coeficiente de variación
cv_Rating                 <- sd_Rating/media_Rating
cv_Rating
#Parte 4b iii:
# Histograma de Income:
hist(Credit$Income, breaks = clasesIncome, xlab = "Income ($)",ylab = "Frecuencia absoluta", main="Histograma de Income", ylim=c(0,300), xlim=c(0,200))
# Histograma de Rating
hist(Credit$Rating, breaks = clasesRating, xlab = "Rating",ylab = "Frecuencia absoluta", main="Histograma de Rating", ylim=c(0,200), xlim=c(0,1000))
# Ojiva de Income:
library(agricolae)
h                 <-hist(Credit$Income, xlab = "Income ($)", ylab = "Frecuencia", main="Ojiva de Income")
points            <-ogive.freq(h,frame=FALSE, xlab="Income ($)", ylab="Frecuencia relativa acumulada", main="Ojiva de Income")
print(points)
# Ojiva de Rating:
h                <-hist(Credit$Rating, xlab = "Rating", ylab = "Frecuencia", main="Ojiva de Rating")
points            <-ogive.freq(h,frame=FALSE, xlab="Income ($)", ylab="Frecuencia relativa acumulada", main="Ojiva de Rating")
print(points)
#Parte 4b IV:
# Detección de observaciones atípicas:
# Para la variable Income:
# Se definen en variables los datos obtenidos del primer y tercer cuartil:
Q1_Income <- 21.01
Q1_Income
Q3_Income <- 57.47
Q3_Income
# Se utiliza nuevamente el Rango intercuartílico:
IQR_Income                <- IQR(Credit$Income)
IQR_Income
# Se calcula el limite inferior y superior
LimInf_Income <- Q1_Income-1.5*IQR_Income
LimInf_Income
# El valor obtenido es de signo negativo, por lo cual, éste se descarta debido a que no existen números
# negativos dentro de la variable Income.
# Igualmente se continua trabajando con el límite superior.
LimSup_Income <- Q3_Income+1.5*IQR_Income
LimSup_Income
# Se obtienen los índices que están arriba del límite superior:
OutliersSup_Income <- which(Credit$Income>LimSup_Income)
OutliersSup_Income
# Se ultiliza la siguiente función para mostrar los valores de los datos atípicos:
boxplot.stats(Credit$Income)[4]
# El número de elementos de OutliersSup_Income se corresponde
# con el número de outliers del límite superior.
length(OutliersSup_Income)
# Para la variable Rating:
# Se definen en variables los datos obtenidos del primer y tercer cuartil:
Q1_Rating <- 247.2
Q1_Rating
Q3_Rating <- 437.2
Q3_Rating
# Se utiliza nuevamente el Rango intercuartílico:
IQR_Rating                <- IQR(Credit$Rating)
IQR_Rating
# Se calcula el limite inferior y superior
LimInf_Rating <- Q1_Rating-1.5*IQR_Rating
LimInf_Rating
# El valor obtenido es de signo negativo, por lo cual, éste se descarta debido a que no existen números
# negativos dentro de la variable Income.
# Igualmente se continua trabajando con el límite superior.
LimSup_Rating <- Q3_Rating+1.5*IQR_Rating
LimSup_Rating
# Se obtienen los datos que están arriba de los límites superiores e inferiores:
OutliersSup_Rating <- which(Credit$Rating>LimSup_Rating)
OutliersSup_Rating
# Se ultiliza la siguiente función para mostrar los valores de los datos atípicos:
boxplot.stats(Credit$Rating)[4]
# El número de elementos de OutliersSup_Income se corresponde
# con el número de outliers del límite superior.
length(OutliersSup_Rating)
# Se pide 5:
# Diagrama de caja de Income:
boxplot(Credit$Income, main = "Diagrama de caja de Income", ylab="Income($)" )
# Diagrama de caja de Rating:
boxplot(Credit$Rating, main = "Diagrama de caja de Rating", ylab="Rating" )
# Diagrama de caja de Income/Ethnicity
boxplot(Credit$Income ~ Credit$Ethnicity, data = Credit, "Income", main = "Diagrama de cajas Income/Ethnicity", xlab="Ethnicity", ylab="Income")
# Diagrama de caja de Rating/Ethnicity
boxplot(Credit$Rating ~ Credit$Ethnicity, data = Credit, "Rating", main = "Diagrama de cajas Rating/Ethnicity", xlab="Ethnicity", ylab="Rating")
# Se pide 6: Análisis de asociación entre Income y Ethnicity
# Se crea tabulación cruzada de datos:
tablaEhtnicityInome <- table(Credit$Ethnicity, clases_Income)
tablaEhtnicityInome
# Se agregan los totales (distribuciones marginales)
tablaEhtnicityInome <- addmargins(tablaEhtnicityInome)
tablaEhtnicityInome
# Se elabora distribución de frecuencia porcentual
options("digits"=1)               #defino un decimal
tabla2 =  tablaEhtnicityInome[,-6]
tabla2
tabla_fila = prop.table(tabla2,1)  # la opcion 1 es porcentaje por fila y la 2 por columna
tabla_fila
tabla_fila = addmargins(tabla_fila)
tabla_fila = tabla_fila[-5,]
tabla_fila = tabla_fila*100
tabla_fila
# Para visualizar solo la fila del total porcentual realizo la siguiente sentencia:
frec_income = as.matrix(tabla_fila[4,])
colnames(frec_income) = "Frec. Porcentual"
frec_income
# Cálculo de Chi Cuadrado e índice de Cramer
tablaEhtnicityInome = tablaEhtnicityInome[-4,-6]
tablaEhtnicityInome
options("digits"=4)               #defino un decimal
chi.cuad = chisq.test(tablaEhtnicityInome, simulate.p.value = TRUE)
chi.cuad
chi.cuad = chi.cuad$statistic
chi.cuad
cramer = sqrt(chi.cuad/(sum(tablaEhtnicityInome)*2))
cramer
# Se pide 7: Una comparación de las distribuciones de las dos variables
# cuantitativas seleccionadas mediante un diagrama de dispersión
plot(Credit$Income, Credit$Rating, xlab="Income", ylab="Rating",
main="Diagrama de dispersión")
# agrego la recta de regresion al diagrama de dispersion
reg = lm(Rating~Income, Credit)
reg
abline(reg)
# Calculo de la covarianza
cov(Credit$Income, Credit$Rating)
# Calculamos coeficiente de correlación lineal de Pearson entre las variables
cor(Credit$Income, Credit$Rating)
# Comprobamos que hay correlación positiva y por lo tanto las variables están relacionadas
# BONUS
# La variable cualitativa es Ethnicity
# Se pide un análisis de la distribución por grupos de cada variable cuantitativa
# por clases de la variable cualitativa.
with(Credit,
plot(Credit$Rating, Credit$Income,
pch=as.numeric(Credit$Ethnicity), cex=1.2, ylab="Rating", xlab="Income"))
legend( x= "bottomright",
legend=c("African-American", "Caucasian", "Asian"),
pch=as.numeric(Credit$Ethnicity), cex=0.8)