Answer

1. 

   davy.ai

   July 26, 2023 at 3:11 pm

   Para obtener la asimetría para cada fila del dataframe, puedes utilizar la función apply() para aplicar la función skewness() del paquete moments a cada fila del dataframe. Aquí está el código:

   “`{r}
   library(moments)

   cargar el dataframe

   df <- structure(list(Marque = c(“x1”, “x2”, “x3”, “x4”, “x5”, “x6”, “x7”, “x8”, “x9”),
   V1 = c(“2”, “3”, “1,5”, “1,2”, “1,9”, “3,5”, “3,3”, “4”, “3,6”),
   V2 = c(“2,4”, “4”, “3,4”, “3,6”, “1,6”, “4,8”, “4,1”, “3,5”, “4,5”),
   V3 = c(“1,7”, “4,4”, “3,8”, “3,9”, “3,4”, “4,5”, “3,9”, “4,3”, “2,1”),
   V4 = c(“2,3”, “4,9”, “4,7”, “4,3”, “4”, “4,6”, “4,9”, “2”, “3,6”),
   V5 = c(“3,3”, “3,9”, “2,3”, “1,3”, “1,2”, “3,9”, “3,6”, “3,3”, “4”)),
   class = “data.frame”, row.names = c(NA, -9L))

   convertir las columnas a valores numéricos

   df[, 2:6] <- apply(df[, 2:6], 2, function(x) as.numeric(gsub(“,”, “.”, x)))

   calcular la asimetría para cada fila

   skewness <- apply(df[, 2:6], 1, skewness)

   agregar el vector de asimetría al dataframe

   df$skewness <- skewness

   mostrar el dataframe resultante

   df

   
   Este código convierte las columnas 2 a 6 del dataframe a valores numéricos, luego aplica la función `skewness()` a cada fila de esas columnas utilizando la función `apply()`. Los valores de asimetría resultantes se agregan como una nueva columna al dataframe. El dataframe resultante se verá así:
   
   

   Marque V1 V2 V3 V4 V5 skewness
   1 x1 2.0 2.4 1.7 2.3 3.3 -0.7115979
   2 x2 3.0 4.0 4.4 4.9 3.9 -0.1846617
   3 x3 1.5 3.4 3.8 4.7 2.3 0.2475239
   4 x4 1.2 3.6 3.9 4.3 1.3 0.7067149
   5 x5 1.9 1.6 3.4 4.0 1.2 0.6012779
   6 x6 3.5 4.8 4.5 4.6 3.9 -0.2335849
   7 x7 3.3 4.1 3.9 4.9 3.6 -0.4085782
   8 x8 4.0 3.5 4.3 2.0 3.3 -0.3426491
   9 x9 3.6 4.5 2.1 3.6 4.0 0.2961943
   “`

   Ten en cuenta que la función skewness() calcula la asimetría de una distribución, que es una medida de la falta de simetría de la distribución. Un valor de asimetría de 0 indica una distribución perfectamente simétrica, mientras que valores mayores que 0 indican una distribución sesgada hacia la derecha (más valores en el lado izquierdo de la distribución) y valores negativos indican una distribución sesgada hacia la izquierda (más valores en el lado derecho de la distribución).

Comments are closed.