-
Notifications
You must be signed in to change notification settings - Fork 0
/
Evaluación 2.R
28 lines (28 loc) · 1.89 KB
/
Evaluación 2.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
# Evaluación 2: Gráficas, ggplot2 y pruebas simples:
# Entrega: Jueves 3 de noviembre de 2022. Se descontará un punto por dia de atraso.
# 1. Crea un r-notebook con tu nombre y el titulo del informe, se entrega en este formato.
# Al comienzo,en el primer bloque llama con la función library() todos los paquetes que utilizaras.
# Esto es muy importante, ya que si no funciona el codigo por esta razón se descontaran 2
# puntos por item que no funcione.
# ----
# 2. Pruebas de hipotesis:
# De las pruebas parametricas y no parametricas vistas en la clase 6 y 7 elige solo UNA de ellas
# y aplicala, escribe una explicación breve que contenga: Para que sirve, que tipos de datos usa
# y que condiciones requiere. Si usarás información externa de un libro y otro material
# debe ir con su correspondiente referencia. Este item tiene 10 puntos en total,
# 5 puntos por codigo y 5 puntos por la explicación.
# -----
# 3. GGplot2: Puedes utilizar cualquiera de los datasets que hemos visto en clases.
# Convenciones: Primero comentar el tipo de gráfico, el dataset utilizado y el proposito del gráfico.
# 5 puntos cada gráfico funcional, 3 puntos por personalización y 2 puntos por decripción en texto.
# PROHIBIDO UTILIZAR EJEMPLOS DE cheatsheet "data-visualization-2.1", del libro "R-Graphics Cookbook"
# y de clases anteriores, tambien queda prohibido el plagio explicito entre informes.
# Todos los gráficos deben ir comentados, ya que serán utilizados en la proxima evaluación
# que consistira en una presentación con interrogación breve, explicando lo que hiciste.
# A) Un gráfico de una variable discreta.
# B) Un gráfico de una variable continua.
# C) Un gráfico con una variable continua y una discreta.
# D) Un gráfico con dos variables continuas.
# ----
# Dudas o consultas por Teams y correo, se resolveran dudas la clase del 25 de octubre,
# donde tambien hablaremos sobre modelos predictivos.