library(readxl)

iris3 <- read_excel("C:/Users/FMILIA ROMERO-LEAL/Desktop/Esp.

Estadistica/iris3.xlsx", sheet = "Hoja3")
View(iris3)

install.packages("aplpack")
library(aplpack)

X=iris3[,-5]

par(mfrow=c(1,1))

faces(X[1:10,],face.type=1) # caras de shernof

par(mfrow=c(1,4))
hist(X$Sepal_width)
hist(X$Sepal_Lengt)
hist(X$Petal_Lengt)
hist(X$Petal_width)

#Cal.C<- cor(X)
vAR.COVAR<- cor(X)
View(vAR.COVAR) # para verla en pantalla aparte
vAR.COVAR # para verla en la consola

#Cal.C[upper.tri(Cal.C)] <- NA # erase the upper triangle

vAR.COVAR[upper.tri(vAR.COVAR)] <- NA # erase the upper triangle
diag(vAR.COVAR) <- NA # erase the diagonal 0's

summary(X) # mostar estadisticas descriptivas

pairs(X) # grafica la correlacion de las variables que tiene x
plot(X)

#### -- calculo la matriz de varianza-covarianza -- ####

Y_COV = cov(X)
Y_COV
View(Y_COV)

matriz.cov <- cov(X, y = NULL, use = "everything", method = c("pearson",

"kendall", "spearman"))
View(matriz.cov)
matriz.cov

################ analisis de componentes PRINCIPALES ##########################

var.X=iris3[,-5]
princomp(x = var.X, scores = TRUE)
princomp(x = var.X, scores = TRUE,covmat = MASS::cov.rob(var.X))
princomp(var.X, cor = TRUE)
princomp(~ var.X$Sepal_Lengt + var.X$Sepal_width + var.X$Petal_Lengt, data = var.X,
na.action = na.exclude, cor = TRUE)

############### DESVIACIONES ESTANDAR DE CADA COMPONENTE DE LA MATRIZ con la

cooavariaza ###################
# CON ESTOP OBTENGO las devisaciones estandar y las elevo al cuadrado apra
obetner la varianza de cada comp
 # para medir la variabilidad de cada componente sumo las deviaciones de la matriz
de covarianza las varianzas de cada componente
# ej de 3 variables
# sigma1^2 + sigma2^2 + sigma3^2 = suma de las deviaciones de la matriz de
covarianza las varianzas de cada componente
acp= princomp(var.X, scores = TRUE)
acp

# para mostar y asignar los coeficientes

# tambien llamadas cargas
u <- acp$loadings
u

par(mfrow=c(1,1))
score <- acp$scores[,1:2] # los socores de los componetes 1 y 2 , eso me sirve
para sabe como estan los individuos
View(score) # analizar los datos
View(X) # analizar los datos
plot(score)
biplot(acp) # muestra quien distigue a los otros, se debe observar
caracteristicas individuales
plot(acp)

#variable1 <- var.X$Sepal_Lengt

#plot(variable1)
score2 <- acp$scores[,1] # solo estoy tomando el componete 1
plot(score2)
hist(score2)

########## DESVIACIONES ESTANDAR DE CADA COMPONENTE DE LA MATRIZ de correlacion

##################
# ej de 3 variables
# sigma1^2 + sigma2^2 + sigma3^2 = suma de las deviaciones de la matriz de
covarianza las varianzas de cada componente
acp.2 <- princomp(var.X, cor = TRUE, scores = TRUE)
acp.2

# para mostar y asignar los coeficientes

# tambien llamadas cargas
u.2 <- acp.2$loadings
u.2
par(mfrow=c(1,1))
score.2 <- acp.2$scores[,1:2] # los socores de los componetes 1 y 2 , eso me
sirve para sabe como estan los individuos
View(score.2) # analizar los datos
View(X) # analizar los datos
plot(score.2)
biplot(acp.2) # muestra quien distigue a los otros, se debe observar
caracteristicas individuales
plot(acp.2)

#variable1 <- var.X$Sepal_Lengt

#plot(variable1)
score2 <- acp$scores[,1] # solo estoy tomando el componete 1
plot(score2)
hist(score2)