Tarea 2 – Grupo 1

Fecha y hora límite de entrega:
Jueves 16 de abril a las 11:59 p.m. a través de Mediación Virtual.

Esta tarea es estrictamente individual. Cada persona estudiante puede consultar los materiales del curso y también recursos externos (ej. tutoriales, videos) para resolverla, pero debe ser capaz de demostrar que es la autora o el autor de la solución entregada y de explicarla detalladamente en caso de que el profesor lo solicite.

Descripción

Seleccione un conjunto de datos en formato CSV. Escriba un programa (script) en R que lo importe, lo procese y genere gráficos estadísticos, guardándolos en un archivo PDF.

Objetivos

Cada estudiante debe mostrar que es capaz de:

  • Escribir código fuente en el lenguaje de programación R.
  • Manejar proyectos, programas y datos en el ambiente de desarrollo integrado RStudio.
  • Importar datos en formato CSV en R.
  • Crear subconjuntos o agrupar datos con operadores y funciones del sistema base de R.
  • Programar gráficos estadísticos con funciones del sistema base de R: plot(), barplot(), pie() e hist().
  • Generar salidas en formato PDF desde R.

Requisitos

1. Selección del conjunto de datos

  • El conjunto de datos debe estar en formato CSV. Si el archivo original está en otro formato (ej. XLSX, SHP, GPKG), puede exportarse a CSV.
  • Debe provenir de una fuente pública y confiable (ver la sección de recomendaciones más abajo).
  • Debe tener al menos 50 filas.
  • El conjunto de datos elegido no debe ser uno utilizado en los materiales del curso (ej. no usar netflix_titles.csv, nhanes.csv, estacion_cigefi.csv, titanic_train.csv).

2. Proyecto y script de R

  • Cree un proyecto de RStudio para esta tarea.

  • Cree un script con el código organizado y comentado.

  • Al inicio del script, incluya comentarios que describan el conjunto de datos:

    • Nombre del conjunto de datos.
    • Fuente (URL de donde se descargó).
    • Descripción breve de lo que contiene.
    • Cantidad de filas y columnas.

  • Por ejemplo:

    # Conjunto de datos: "Meteoritos registrados por la NASA"
# Fuente: https://data.nasa.gov/resource/gh4g-9sfh.csv
# Descripción: registros de meteoritos caídos en la Tierra,
#   con nombre, masa, año, tipo y coordenadas geográficas.
# Filas: 45716 | Columnas: 10

3. Carga y exploración de los datos

  • Cargue el archivo CSV con la función read.csv().

4. Gráficos estadísticos

  • Genere 3 gráficos, utilizando funciones del sistema base de R:
    • Gráfico de barras: barplot()
    • Histograma: hist()
    • Gráfico de dispersión: plot()
    • Gráfico de pastel: pie()
  • Cada gráfico debe tener:
    • Un título descriptivo (argumento main).
    • Etiquetas en los ejes (argumentos xlab y ylab).
    • Colores (argumento col).
  • Los gráficos 1 y 2 deben ser de tipo diferente (ej. no presentar dos histogramas) y mostrar variables distintas (ej. no presentar un gráfico de barras y uno de pastel sobre las mismas categorías). Cada gráfico debe visualizar un aspecto interesante del conjunto de datos.
  • El gráfico 3 debe elaborarse con base en el resultado de la operación de subconjuntos o agrupación descrita en la sección 5.

5. Operación de subconjuntos o agrupación

  • Antes de generar el tercer gráfico, aplique al menos una operación de creación de subconjuntos (filtrado de filas con [] y expresiones lógicas) o de agrupación (aggregate() o table()).
  • El resultado de esta operación debe servir como insumo para el gráfico 3.
  • Por ejemplo: si el conjunto de datos tiene datos de varios países, agrupar por continente con aggregate() y graficar el promedio por continente; o filtrar solo las filas de un país y graficar la distribución de una variable para ese subconjunto.

6. Generación del PDF

  • Use las funciones pdf() y dev.off() para guardar todos los gráficos en un solo archivo PDF llamado tarea-02-graficos.pdf.

Entregables

Cada estudiante debe entregar tres archivos:

  1. El script de R con el código comentado.
  2. El archivo CSV con el conjunto de datos elegido.
  3. El archivo PDF con los gráficos, generado por el script.

Recomendaciones de fuentes de datos

  • Kaggle Datasets — gran variedad de conjuntos de datos sobre múltiples temas.
  • Our World in Data (GitHub) — datos sobre salud, economía, medio ambiente, entre otros.
  • World Bank Data Catalog — conjuntos de datos del Banco Mundial para descarga.
  • UCI Machine Learning Repository — conjuntos de datos clásicos para análisis.
  • También puede utilizar datos de otras fuentes, como los relacionados con su trabajo final de graduación (TFG) o con la temática de otro curso, siempre que se cite la fuente.

Rúbrica de evaluación

Criterio Descripción Puntos
Selección del conjunto de datos El conjunto de datos cumple con los requisitos (CSV, al menos 50 filas, fuente pública) y la fuente está citada en los comentarios del script. 10
Descripción del conjunto de datos Los comentarios al inicio del script describen adecuadamente el nombre, la fuente, el contenido, la cantidad de filas y de columnas del conjunto de datos. 5
Importación El conjunto de datos se importa correctamente con read.csv(). 10
Gráfico 1 El gráfico es de un tipo adecuado para los datos, tiene título, etiquetas en los ejes, colores y muestra un aspecto interesante del conjunto de datos. 15
Gráfico 2 El gráfico es de un tipo diferente al gráfico 1, tiene título, etiquetas en los ejes, colores y muestra un aspecto diferente del conjunto de datos. 15
Operación de subconjuntos o agrupación Se aplica correctamente una operación de creación de subconjuntos (filtrado con [] y expresiones lógicas) o de agrupación (table() o aggregate()). 15
Gráfico 3 El gráfico se elabora con base en el resultado de la operación de subconjuntos o agrupación, tiene título, etiquetas en los ejes y colores. 15
Generación del PDF El programa genera correctamente un archivo PDF con los gráficos mediante pdf() y dev.off(). 15
Total 100