# Análisis Exploratorio de Datos


library(mea, lib.loc="../")

# Función: tabla.frec(vector datos, nº clases)

#     Función: table(vector datos)
#     Función: cut(vector datos, nº intervalos ó límites de los intervalos)


tabla.frec<-function (x, cl)
{
    f <- table(cut(x, seq(min(x) - 0.001, max(x) + 0.001, length = cl +
        1)))
    h <- f/length(x)
    F <- cumsum(f)
    H <- cumsum(h)
    res <- cbind(f, h, F, H)
    dimnames(res)[[2]] <- c("  f", "  h", "  F", "  H")
    res
}

source("ph.R")
ls()
attach(datos)
tabla.frec(ph,5)


# Función: hist(vector datos, nº intervalos ó límites de los intervalos)

hist(ph,br=9)


# Nº clases de un histograma o una tabla de frecuencias.

# Fórmula de Sturges:

sturges<-function(x) floor(1+log2(length(x)))

sturges(ph)



# Función: stem(vector datos)

stem(ph)


# Medidas Descriptivas


# Función: summary(vector datos)

summary(ph)


# resumen.des(vector.datos,factor=0,alfa=.1)
# factor=0 -para el caso de una sola variable.
# alfa -proporción de recorte de la media recortada (por defecto 0.1).



resumen.des(ph)


# Medias recortadas al alfa*100%: mean(vector datos, trim=alfa)

mean(ph, trim=0.05)


# Gráficos Descriptivos.


# Función: boxplot(vector datos)

boxplot(ph, col=2)



# Función de densidad de la población:

# Función: density(vector datos, ancho banda)

res<-density(ph)
attributes(res)
res$bw

hist(ph, seq(min(ph),max(ph),length=8), prob=T, col=5)
lines(res,col=2)
lines(density(ph,bw=0.02),col=3)
lines(x<-seq(min(ph),max(ph),length=1000),
      dnorm(x,mean(ph),sqrt(var(ph))), col=4)



# Función de Distribución de la Población:

# Función de distribución empírica: ecdf(vector datos)


plot(ecdf(ph),do.points=FALSE,verticals=TRUE)
lines(x<-seq(min(ph),max(ph),length=1000),pnorm(x,mean(ph),sqrt(var(ph))),col=2)

# Función de distribución empírica (corrección para
# distribuciones continuas): ecdf.cont(vector datos,a=.375,sobre=FALSE,...)

ecdf.cont(ph,sobre=TRUE)