-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy path9.R
162 lines (161 loc) · 4.7 KB
/
9.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
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
##
# Prácticas rituales y vida cotidiana. Expresiones de agencia colectiva a
# través de la construcción de símbolos en la comunidad local de Nueva Esperanza,
# siglos VI a.C. a XV d.C.
#
# Laura Velásquez González
# Universidad Nacional de Colombia
# 2022
#
# 9. Comparación depósitos
#
# Adaptado del código de Víctor González Fernández (2019)
#
# Cargar paquetes
#
library(cluster) # daisy()
library(RcmdrMisc) # rowPercents()
library(vcd) # assocstats()
#
# Cargar datos
#
depositos <- read.table("https://raw.githubusercontent.com/lavelasquezgo/nuevaesperanza/main/9a",
header = TRUE, row.names = 1)
names(depositos)
#
# Análisis de K-means multidimensional
#
# Crear tabla con datos numéricos
#
depositos_<- subset(depositos, select=7:12)
#
# Escalar datos
#
depositos_esc <- data.frame(scale(depositos_))
#
# Matrices de distancia y de similitud
#
(DISTMAT <- daisy(depositos_esc, metric = "euclidean")) # Calcula matriz de distancia
#
# Evaluar si hay mucha o poca distancia entre casos
#
hist(DISTMAT) # Creamos un histograma y vemos qué parte pesa más.
# Si pesan más las distancias mayores, está "distanciado" (mucha distancia)
# Si pesan las distancias menores, está "agrupado" (poca distancia)
# si cumple distribución normal, es aleatorio
#
# Calcular coeficiente de aglomeración
#
aglomeracion <- agnes(depositos_esc, method = "complete")
cat("el coeficiente de aglomeración es ", aglomeracion$ac, "\n")
#
# Hacer el dendrograma
#
summary(DISTMAT) # mediana, media y cuartiles de la matriz de distancia
#
hc <- hclust(DISTMAT, method = "complete") # crea datos para construir dendrograma
dendrohc <- as.dendrogram(hc)
#
# Ver el dendrograma
#
plot(dendrohc) # Plano de dendrograma
abline(h = c(seq(0.01,0.40, by=0.05)), col =c(2:13)) # lineas
#
# Análisis de K-means
#
# Gráfico de codo
#
wss <- sapply(1:8,
function(k){kmeans(depositos_esc,k,nstart=10,iter.max=20000)$tot.withinss})
plot(1:8,wss, type="b", pch=19, frame=FALSE, xlab="No. de grupos",
ylab="Suma de cuadrados en grupos")
abline(v=5, lty=2)
#
# Revisar la diferencia entre withinss (suma de cuadrados) de 2 a k grupos.
#
# A menor valor de la suma de cuadrados de los grupos, menos es la
# diferencia entre los grupos.
#
# El estrés disminuye entre 5 a 11 grupos.
#
# A partir de 5 o más grupos el cambio no es mayor, es decir no se
# reducen mucho las diferencias en los grupos si se crea un mayor
# número de categorías de agurpación.
#
# K-means para 5 grupos
#
# Cambiar el número de grupos
#
(k=5) # asigna 5 grupos
#
kc <- kmeans(depositos_esc, k, iter.max = 1000) # crear el kmeans
print(kc) # Imprimir kc
str(kc) # Revisar la estructura del objeto kc
#
# Asignar la columna de pertencia grupal a la tabla de datos en bruto
#
depositos$Grupo_deposito <- kc$cluster
write.csv(depositos, "grupo_depositos.csv")
#
# Graficar los 5 grupos al tiempo
#
plot(depositos$X, depositos$Y, col=kc$cluster, pch=20, asp=1)
#
# Extraer e imprimir los centroides
#
centroides <- kc$centers
centroides
#
# Plot de cada uno de los grupos
#
Grupo1 <- subset(depositos, Grupo_deposito==1)
with(Grupo1, plot(X, Y, pch=20, xlim=c(976900, 977300),
ylim = c(997200, 997600), col = 2, asp=1, cex = 1.2))
kc$centers[1,]
#
Grupo2 <- subset(depositos, Grupo_deposito==2)
with(Grupo2, plot(X, Y, pch=20, xlim=c(976900, 977300),
ylim = c(997200, 997600), col = "purple", asp=1, cex = 1.2))
kc$centers[2,]
#
Grupo3 <- subset(depositos, Grupo_deposito==3)
with(Grupo3, plot(X, Y, pch=20, xlim=c(976900, 977300),
ylim = c(997200, 997600), col = 4, asp=1, cex = 1.2))
kc$centers[3,]
#
Grupo4 <- subset(depositos, Grupo_deposito==4)
with(Grupo4, plot(X, Y, pch=20, xlim=c(976900, 977300),
ylim = c(997200, 997600), col = "gold", asp=1, cex = 1.2))
kc$centers[4,]
#
Grupo5 <- subset(depositos, Grupo_deposito==5)
with(Grupo5, plot(X, Y, pch=20, xlim=c(976900, 977300),
ylim = c(997200, 997600), col = 5, asp=1, cex = 1.2))
kc$centers[5,]
#
# Comparación con Chi cuadrado
#
# Crear tabla de grupos de área (1 a 4) por grupos de depósitos obtenidos con K-means (1 a 5)
#
tipos_depositos <- read.table(header = TRUE, text = "
Grupo A B C D E
1 28 1 5 3 347
2 35 0 12 3 444
3 19 1 6 4 306
4 36 1 14 6 422
", row.names = 1)
#
tipos_depositos <- as.matrix(tipos_depositos)
#
# Crear tabla de proporciones
#
prop_depositos <- rowPercents(tipos_depositos)
prop_depositos
write.csv(prop_depositos, "proporciones_depositos.csv")
#
# Chi cuadrado
#
chisq.test(tipos_depositos)
assocstats(tipos_depositos)
#
##