# Crear la lista de notas
clase_1 <- c(53, 54, 55, 56, 57, 58, 59, 60, 61, 61, 62, 62, 63, 63, 64, 64, 65, 65, 65, 65, 65, 65, 65, 65, 65, 
             68, 70, 72, 74, 78, 80, 82, 84, 86, 87, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99, 99, 100, 100)

# Largo de la lista
length(clase_1)

# Extraer el número que se encuentra en el lugar 3 de la lista (índice 2)
clase_1[3]

# Imprimimos promedio, mediana y desviación estándar
cat('Promedio Clase 1:', mean(clase_1), "\n") # debería ser 78
cat('Mediana Clase 1:', median(clase_1), "\n") # debería ser 65
cat('Desviación estándar Clase 1:', sd(clase_1), "\n") # debería ser 16

# Crear el histograma usando la función hist de base R
hist(clase_1, breaks=10, col='skyblue', border='black', main='Histograma de notas - Clase 1', xlab='Nota', ylab='Estudiantes')

# Para más opciones en hist: ?hist

# Crear un histograma de densidad y superponer la curva de densidad usando ggplot2
library(ggplot2)

# Convertir a data frame para ggplot2
df <- data.frame(nota = clase_1)

ggplot(df, aes(x=nota)) +
  geom_histogram(aes(y=..density..), bins=10, fill="blue", color="black", alpha=0.7) +
  geom_density(color="red", size=1) +
  labs(title="Histograma y Densidad de Notas - Clase 1", x="Nota", y="Densidad") +
  theme_minimal()


#Ejercicio 2
# Escribimos nuestros datos como un vector
datos <- c(60, 52, 75, 54, 85, 45, 76, 64, 58, 71, 65, 60, 55, 63, 70)

# Definir una función que calcule el mínimo de una lista dada
calcular_minimo <- function(lista) {
  minimo <- lista[1]  # Asumimos que el primer elemento es el mínimo
  for (numero in lista) { # Recorremos toda la lista
    if (numero < minimo) {
      minimo <- numero  # Actualizamos el mínimo si encontramos un número menor
    }
  }
  return(minimo)
}

# Calcular el mínimo utilizando la función definida
calcular_minimo(datos)

# Calcular el mínimo y otras cantidades importantes usando funciones predefinidas en R
resumen_cinco_numeros <- list(
  'Mínimo' = min(datos), # Mínimo
  'Q1' = quantile(datos, 0.25), # Primer cuartil
  'Mediana (Q2)' = median(datos), # Mediana
  'Q3' = quantile(datos, 0.75), # Tercer cuartil
  'Máximo' = max(datos) # Máximo
)

# Mostrar el resumen de cinco números
print(resumen_cinco_numeros)

boxplot(datos, horizontal=TRUE, col="skyblue", main="Boxplot", xlab="Presión Arterial Diastólica")

# Diagrama de caja vertical
boxplot(datos, horizontal=FALSE, col="skyblue", main="Boxplot", ylab="Presión Arterial Diastólica")

par(mfrow=c(1, 2))

# Crear el boxplot
boxplot(df$Presión_Arterial_Diastólica, main="Boxplot", ylab="Presión Arterial Diastólica", col="skyblue")

# Crear el histograma
hist(df$Presión_Arterial_Diastólica, main="Histograma", xlab="Presión Arterial Diastólica", col="orchid", breaks=5)

# Resetear la ventana gráfica
par(mfrow=c(1, 1))

# Calcular el promedio
promedio <- mean(datos)
print(promedio)

# Calcular la desviación estándar
desviacion_estandar <- sd(datos)
print(desviacion_estandar)



# Ejercicio 3
# Función para calcular la mediana (y que sea un elemento de la lista)

mediana <- function(muestra) {
  muestra <- sort(muestra)  # ordena la lista
  n <- length(muestra)  # calcula el largo de la lista
  if (n %% 2 == 0) {  # si el largo de la lista es par
    mediana <- muestra[n/2]
  } else {  # Si el largo de la lista es impar
    mediana <- muestra[(n %/% 2) + 1]
  }
  return(mediana)
}

lista <- c(1,2,3,4) # la mediana de esta lista es 2
mediana(lista)