Histogram, cumulative histogram, ogive and P(50) quantile estimation. Source code:
x=c(20.30975,18.19873,28.53423,25.76547,28.98363,22.13357,24.71114,24.53094,12.28666,24.73473,21.88932,25.88932,31.14394,19.50850,21.93942,31.35156,23.43202,26.73680,18.24004,16.78666,26.45836,23.22566,20.82735,27.54200,32.96702,20.84085,33.86712,23.63435,26.76314,27.63858)
hist(x,plot=F) #Histogramaren zenbakizko informazioa eskuratu
tarteak=hist(x,plot=F)$breaks #Tarteak soilik eskuratu
maizta=hist(x,plot=F)$counts #Maiztasun absolutuak soilik eskuratu
maizte=(maizta/30)*100 #Maiztasun erlatiboak kalkulatu
maizte
maiztemet=cumsum(maizte) #Maiztasun erlatibo metatuak kalkulatu
maiztemet
png(filename = "maiztasun_metatuen_histograma_ojiba_002.png", width=1350, height=500)
par(mar=c(5,5.3,4,2),oma=c(1,1,1,1)) #Irudiko marjin egokiak zehaztu
par(mfrow=c(1,3)) #Hiru grafiko irudi berean (hiru zutabe, errenkada bat)
library(agricolae)
graph.freq(tarteak,counts=maizte,las=1,ylim=c(0,100),cex.main=2,cex.lab=2,cex.axis=2,main="Histograma",col=c("lightblue"),xlab="Tarteak",ylab="f(%)") #Maiztasun bakunen histograma
maiztemet=cumsum(maizte) #Maiztasun metatu erlatiboak kalkulatu
graph.freq(tarteak,counts=maiztemet,ylim=c(0,100),las=1,cex.main=2,cex.lab=2,cex.axis=2,main="Histograma metakorra eta ojiba",col=c("lightblue"),xlab="Tarteak",ylab="F(%)") #Maiztasun metatuen histograma
maiztemet=c(0,maiztemet) #Maiztasun erlatiboei 0 gaineratu
lines(tarteak,maiztemet,col=c("red"),lwd=5) #Gainean ojiba marraztu.
par(bty="l")
plot(tarteak,maiztemet,col=c("red"),xaxs="i",yaxs="i",lwd=5,cex.main=2,main="Ojiba eta 50. pertzentila",cex.lab=2,cex.axis=2,las=1,ylim=c(0,100),type="l",ylab="F (%)",xlab="Tarteak",yaxt="n")
axis(2,at=c(0,20,40,50,60,80,100),las=1,cex.axis=2)
a=c(0,24.16)
b=c(50,50)
lines(a,b,lty=3,lwd=4)
c=c(24.16,24.16)
d=c(50,0)
lines(c,d,lty=3,lwd=4)
e=c(0,35)
f=c(100,100)
lines(e,f,lwd=2)
g=c(35,35)
h=c(0,100)
lines(g,h,lwd=2)
dev.off()