Op de Olympische spelen bestaat de discipline atletiek¹ uit verschillende onderdelen. Denk maar aan de 100 m of de 4 x 100 m estafette, maar ook sporten als hordelopen, hoogspringen, polsstokhoogspringen, verspringen, discuswerpen, kogelstoten enz.

De Olympische ringen.

Hoe zit het met de verdeling van het BMI² van de Olympische atleten uit deze discipline?

Gegeven

Importeer deze dataset³ met behulp van de volgende code.

# Een dataset met gegevens van Olympische atleten.
data <- read.csv("https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2021/2021-07-27/olympics.csv",
                 header = TRUE,
                 colClasses = c("NULL", rep("character", 2), rep("numeric", 3), "NULL", "character", "NULL",
                                "numeric", rep("character", 4), "NULL" ))
# Enkel de gegevens van de atleten worden geselecteer.
data <- data[data$sport == "Athletics" &
               !is.na(data$height) &
               !is.na(data$weight), ]
rownames(data) <- seq_len(nrow(data))

Via head(data) om een voorsmaakje van de gegevens te verkrijgen.

                                name sex age height weight noc year season      city     sport                                event
1               Timo Antero Aaltonen   M  31    189    130 FIN 2000 Summer    Sydney Athletics             Athletics Men's Shot Put
2                  Evald rma (rman-)   M  24    174     70 EST 1936 Summer    Berlin Athletics           Athletics Men's Pole Vault
3 Jamale (Djamel-) Aarrass (Ahrass-)   M  30    187     76 FRA 2012 Summer    London Athletics         Athletics Men's 1,500 metres
4               Erling Rudolf Aastad   M  22    177     74 NOR 1920 Summer Antwerpen Athletics Athletics Men's 4 x 100 metres Relay
5               Erling Rudolf Aastad   M  22    177     74 NOR 1920 Summer Antwerpen Athletics            Athletics Men's Long Jump
6               Erling Rudolf Aastad   M  26    177     74 NOR 1924 Summer     Paris Athletics            Athletics Men's Long Jump

Gevraagd

In deze dataset vind je de lengte en de massa van heel wat atleten. De lengte vind je terug in data$height en de massa in data$weight. Van hoeveel atleten staan er gegevens in de databank? Sla dit op in de variabele aantal_atleten.
Maak een vector bmi aan waar je het BMI van de atleten bepaalt. Rond dit af op 2 cijfers na de komma. Gebruik hiervoor de round() functie.
Bereken het gemiddelde_bmi, hoeveel procent van de atleten heeft een bmi lager dan dit gemiddelde? Sla dit op in de variabele percentage_lager_gemiddelde. (Rond af op 2 cijfers)
Bereken nu mediaan_bmi, hoeveel procent van de atleten heeft een bmi lager dan deze mediaan? Sla dit op in de variabele percentage_lager_mediaan. (Rond af op 2 cijfers)

Denkvragen

Hoe blijkt uit dit gemiddelde dat er atleten zijn met een veel hoger of veel lager BMI? Welke van de twee is het, hoger of lager?

De mediaan is per definitie het middelste getal uit de vrij gegevens, waarom is het antwoord op de laatste vraag dan toch geen 50%?