González Valencia Luis Fernando ESTADISTICA- ISA- 1 AM 2

Practica #3
Graficas en R

A. Grafica de tallos y hojas

The decimal point is at the |

0 | 366
2 | 1355577813469
4 | 156011334
6 | 43
8 |
10 |
12 | 8

Comando: stem(so2)
Esta grafica nos muestra

B. Grafica caja de caja y bigotes de la concentracion de S02

González Valencia Luis Fernando ESTADISTICA- ISA- 1 AM 2

Comando: boxplot(SO2)
La grafica nos muestra que los datos no están dispersos de la media, pero encontramos un
pequeño círculo muy alejado el cual nos indica que hay un dato muy elevado.

C. Grafica caja de bigotes de concentracion de Mercurio en peces

boxplot(Hg$mercurio)

Esta grafica nos muestra que encontramos mayor variación en la concentración de Hg

González Valencia Luis Fernando ESTADISTICA- ISA- 1 AM 2

boxplot(Hg$mercurio~Hg$especie, las=2)
boxplot(Hg$mercurio~Hg$especie, las=2, ylab="Mercurio (ppm)")
La grafica de cajas y bigotes nos muestra que la especie salmoides presenta la mayor
presencia de mercurio y presenta una mayor variación en cuanto a los valores.
Algunas especies como I.furcatus no se observa una variación en cuanto a los valores
máximos y mínimos.
González Valencia Luis Fernando ESTADISTICA- ISA- 1 AM 2

boxplot(ozono$PED~ozono$HORA, ylab="ozono")
La grafica nos muestra que entre las 15 y 16 horas se registran los valores promedio más
altos de ozono. Entre las 7 y 8 horas se registran los valores promedio más bajos de ozono en
la zona de Pedregal.
González Valencia Luis Fernando ESTADISTICA- ISA- 1 AM 2

hist(Hg$mercurio, main = "Concentración de Mercurio en Peces", xlab = "mercurio (ppm)",

breaks = "Sturges", col = "blue")

Como observamos encontramos tenemos una mayor frecuencia de especie que presentan 0.2
a 0.3 ppm de Mercurio.

Activar y/o descargar la librería

(sfsmisc)

histBxp(Hg$mercurio, col="skyblue")

Tenemos una concentración promedio

de mercurio de aproximada de 0.46
ppm de Mercurio y como se observa en
el histograma encontramos una
frecuencia alta en esos datos.
González Valencia Luis Fernando ESTADISTICA- ISA- 1 AM 2

stripchart(so2)
stripchart(so2, main = "Concentracion de SO2 en Enero", vertical = TRUE, ylab = "SO2
(ppm)")

Los puntos nos indican que nuestra concentrracion de S02 durante el mes de Enero de entre 1
ppm a 6 ppm.
González Valencia Luis Fernando ESTADISTICA- ISA- 1 AM 2

par(mfrow = c(2, 2), mai=c(0.5,0.5,0.5,0.5))

boxplot(rios$SST ~ rios$Rio)
stripchart(rios$SST ~ rios$Rio, main = "SST en tres rios", vertical = TRUE, pch = 1, cex.axis =
0.65, las= 1)
hist(rios$DBO, main = "DBO en tres rios", vertical=T)
plot(rios$nitratos~rios$Rio, main = "Nitrato en tres rios", , las = 1)

PARA RESTAURAR LA CONFIGURACIÓN A UNA GRÁFICA POR VENTANA:

par(mfrow=c(1,1))
González Valencia Luis Fernando ESTADISTICA- ISA- 1 AM 2

bravo.t <-ts(data=bravo,start=1934, end=2000, frequency=1)

plot(bravo.t)
Como observamos el caudal del rio Bravo desde el año 1940 el cual tiene registrado la mayor
media de flujo al cabo de 60 años a perdido por completo el flujo como en el año 2000
González Valencia Luis Fernando ESTADISTICA- ISA- 1 AM 2

plot(Hg$peso,Hg$longitud,
col="red2")

Estos puntos nos muestran que peces

de entre 0 a 1000 gramos encontramos
a la mayoría de especímenes
estudiados y que su longitud varia de
entre 10 a 40 cm.

data(pressure),
View(pressure):
plot(pressure)
plot(pressure, type ="l")

Como observamos al aumentar la

temperatura aumenta nuestra presión
son variables proporcionales.
González Valencia Luis Fernando ESTADISTICA- ISA- 1 AM 2

data(airquality)
pairs(airquality[1:4], main="Calidad del aire en NY", font.main=4, pch=19)

barplot(germ, names.arg= temp,

xlab="Temperatura",
ylab="Germinacion(%)",
col="darkolivegreen")
Se obtuvieron mejor germinación de
semillas con una temperatura de 35 y
30 grados
González Valencia Luis Fernando ESTADISTICA- ISA- 1 AM 2

barplot(sapply(croquetas,mean))
Encontramos una mayor presencia
promedio de Arsenico y Plomo en las
corquetas para perros.
González Valencia Luis Fernando ESTADISTICA- ISA- 1 AM 2

1. gei <- data.frame(Fuente = character(0),C02 = numeric(0), CH4 = numeric(0))

2. gei
3. servicio <- edit(gei)
4. gei<-as.matrix(servicio)
5. gei <- gei[,2:3]
6. gei <- as.numeric(gei)
7. gei<-matrix(gei,8,2)
8. barplot(gei,beside= T)
9. row.names(gei)<c("petroleo","generacion","residencialycomercial","industria","fuentesm
oviles","agropecuario","residuos","cambiosusodesuelo")
10. barplot(gei, main = "Emisiones de GEI", col = c("blue", "red","green", "gold","gray50",
"lavender","chocolate", "tomato"), width = 0.25, beside = TRUE, ylab = "Emisiones (Miles
de Gg anuales)", ylim = c(0, 200))
11. legend("topright",legend = rownames(gei), pch=15, col=c("blue", "red","green",
"gold","gray50", "lavender", " chocolate", "tomato"), bty="n")
González Valencia Luis Fernando ESTADISTICA- ISA- 1 AM 2

Como se observa en la gráfica las fuentes móviles son las que generan mayor emisión de gases de
efecto invernadero.

barplot(tapply(Hg$mercurio,Hg$especie,mean),las=2,col”red”)

Como nos indica la gráfica de barras la especie que presenta mayor concentración promedio de mercurio
es M. salmoides
González Valencia Luis Fernando ESTADISTICA- ISA- 1 AM 2

plot(servicio$NoCamiones,servicio$NoColonias, pch=16, col=" mediumblue", cex=1.25,

xlab=”Camiones”, ylab=”Numero de colonias)
text(servicio$NoCamiones,servicio$NoColonias,labels=servicio$Demarcacion,pos=1,
offset=0.5,cex=0.7)
servicio <- data.frame(Demarcacion = character(0),
NoCamiones = numeric(0),
NoColonias = numeric(0))
servicio <- edit(servicio)

Como observamos en la delegación Cuajimalpa tenemos el menor número de colonias y menor número
de camiones, en cambio, la delegación Iztapalapa la más grande del Distrito Federal cuenta con menos
camiones que colonias.
 González Valencia Luis Fernando ESTADISTICA- ISA- 1 AM 2

degradacion <- c(0.54, 0.18, 0.07, 0.18, 0.02, 0.005, 0.011)

names(degradacion) <- c("Sin degradacion (54.8%)", "Agricultura (17.5%)", "Deforestacion (7.4%)",

"Sobrepastoreo (17.5%)", "Urbanizacion (1.5%)", "Industria (0.5%)", "Sobreexplotacion (1.1%)")

pie(degradacion, col = c("white","red","green","coral","cyan"," chocolate"," yellow"))

title(main = "Degradacion de suelo, por causas", cex.main = 1.8, font.main = 1)

Como observamos la principal causa de degradación del suelo es la agricultura.

González Valencia Luis Fernando ESTADISTICA- ISA- 1 AM 2

Instalar y activar la librería gplots y ejecutar la siguiente instrucción:

plotmeans(ozono$GAM~ozono$HORA, n.label = F)

La grafica nos muestra que la mayor concentración de ozono en la G.A.M se registra entre las 14 y
16 horas.
González Valencia Luis Fernando ESTADISTICA- ISA- 1 AM 2

histogram( ~ temperat | Rio,data = rios,main="Temperatura de los Rios")

barchart(DBO~fecha| Rio, data = rios, col=("steelblue"), xlab="Fecha",las=2,cex.lab=0.9)

Esta
González Valencia Luis Fernando ESTADISTICA- ISA- 1 AM 2

xyplot(mercurio ~ peso | especie, data = Hg)

El diagrama de dispersión nos indica que en especie como M.salmoides que presenta mercurio de
entre 0 y 1 el peso va a estar entre el intervalo de 500 gramos a 2000 gramos.
González Valencia Luis Fernando ESTADISTICA- ISA- 1 AM 2

qplot(longitud,mercurio,data=Hg)

Podemos observar en el intervalo de entre 30 y 40 cm de longitud encontramos mayor número de

especies con mercurio.

qplot(rios$Rio, rios$oxigeno, data = rios, ylab = "O2 (mg/L)", xlab = "Rio", main = "Concentracion
de oxigeno", geom=c("boxplot"), fill = rios$Rio)

La concentración de oxigeno promedio tanto en el rio Bravo como en el Panuco es la misma pero
en el Rio Panuco los valores están más dispersos de la media y encontramos un valor muy alto.