This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.
When you click the Knit button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:
summary(cars)
## speed dist
## Min. : 4.0 Min. : 2.00
## 1st Qu.:12.0 1st Qu.: 26.00
## Median :15.0 Median : 36.00
## Mean :15.4 Mean : 42.98
## 3rd Qu.:19.0 3rd Qu.: 56.00
## Max. :25.0 Max. :120.00
You can also embed plots, for example:
Note that the echo = FALSE parameter was added to the
code chunk to prevent printing of the R code that generated the
plot.
##EJERCICIO 1 install.packages(“dplyr”) install.packages(“ggplot2”) install.packages(“corrplot”) library(dplyr) library(ggplot2) library(corrplot)
#Cargamos el fichero datos_telco data = read.table(file = ‘C:/Users/estev/OneDrive/Escritorio/EOI/Rus María Mesas (Estadística con R)/caso_practico_material/datos_telco.csv’, header = TRUE, sep = ‘,’, dec = ‘.’)
data %>% head() #Mostramos las primeras filas str(data) #Chequeamos los tipos de datos de cada columna del data frame
#Obtenemos los principales estadísticos de centralidad y posición con la función Summary summary(data)
#Seleccionamos las variables numéricas de nuestro dataset data_numValues = data %>% select(Account.length, Area.code, Number.vmail.messages, Total.day.minutes, Total.day.calls, Total.day.charge, Total.eve.minutes, Total.eve.calls, Total.eve.charge, Total.night.minutes, Total.night.calls, Total.night.charge, Total.night.minutes, Total.intl.calls, Total.intl.charge, Customer.service.calls)
#Calculamos la matriz de correlaciones cor_matrix = cor(data_numValues) cor_matrix
#Lo dibujamos en una gráfica para verlo mejor… corrplot(cor_matrix, type=“upper”)
#…y vemos que hay 3 parejas de variables (pinchamos en zoom para verlo mejor), #que son: Total.day.minutes y Total.day.charge, Total.eve.minutes y #Total.eve.charge, Total.night.minutes y Total.night.charge
##EJERCICIO 2
#Parámetros enunciado n <- 30 alpha <- 2 beta <- 6
help(Distributions)
#Creamos 1000 muestras que siguen una distribucion beta y vamos guardando su media muestral en el vector medias_muestrales medias_muestrales <- c() for (i in 1:1000) { muestra <- rbeta(30, 2, 6) media_muestral <- mean(muestra) medias_muestrales <- c(medias_muestrales, media_muestral) }
media_poblacional <- 2 / (2+6) #Calculamos mu
sd_poblacional <- sqrt( (26)/( ((2+6)^2) (2+6+1) ) ) #Calculamos sigma
cat(‘La media poblacional es igual a’, media_poblacional, ‘y la desviación típica poblacional es igual a’, sd_poblacional)
hist(medias_muestrales)
sigma_muestral <- sd_poblacional / sqrt(30)
media <- mean(medias_muestrales) #Calculamos la media de medias_muestrales std <- sd(medias_muestrales) #Calculamos la desviación de medias_muestrales cat(‘La media de esta distribución normal es’, media) cat(‘La desviación típica es igual a’, std)
cat(‘Comprobamos que la media de medias_muestrales’, round(media, 2), ‘coincide con la media poblacional’, media_poblacional) cat(‘Comprobamos que la desviacion de las medias muestrales’, round(std, 2), ‘coincide con la desviacion poblacional entre raiz de n’, round(sigma_muestral, 2))
##EJERCICIO 3 valores_Total.day.minutes <- data$Total.day.minutes
#Calculamos la media y la desviación estándar de la muestra media_valores <- mean(valores_Total.day.minutes) desviacion_estandar_valores <- sd(valores_Total.day.minutes)
#Calculamos el tamaño de la muestra n <- length(valores_Total.day.minutes)
#Cálculo del intervalo de confianza ci, usando la función de la inversa de la distribución t de Student, y suponiendo un nivel de confianza del 95% alpha2 = 0.05 t_lower = qt(alpha2/2, df=n-1, lower.tail = TRUE) #Nos da el t tal que P(T<t)=0.025 t_upper = qt(alpha2/2, df=n-1, lower.tail = FALSE) #Nos da el t tal que P(T>t)=0.025
cat(‘t_lower=’, round(t_lower, 2), ’ t_upper=’,round(t_upper, 2))
#Aplicando herramientas de la Teoría de la Probabilidad, obtenemos que… ci_lower = media_valores + t_lowerdesviacion_estandar_valores/sqrt(n) ci_upper = media_valores + t_upperdesviacion_estandar_valores/sqrt(n)
cat(‘El intervalo de confianza para la media de la variable Total.day.minutes a nivel α=0.05 es: (’, ci_lower, ‘,’, ci_upper, ‘)’)
##EJERCICIO 4 data\(Churn <- as.logical(data\)Churn)
#Calculamos los estadísticos de Churn media_bajas <- mean(data\(Churn) desviacion_bajas = sd(data\)Churn)
cat(‘La media muestral de nuestros’, n, ‘individuos es igual a’, media_bajas, ‘y su desviación típica igual a’, desviacion_bajas)
#Definir el valor bajo la hipótesis nula (13%) h0 <- 0.13
t <- (media_bajas - h0) /(desviacion_bajas/sqrt(n))
cat(‘El estadístico de contraste t es igual a’, t)
alpha4 <- 0.01
#Calculamos el p-valor=P(T>t) pvalue = pt(t, df=n-1, lower.tail = FALSE) cat(‘p-valor =’, pvalue)
#Comparar el p-valor con el nivel de significación cat(‘¿ p-valor <’, alpha4, ‘?’, pvalue<alpha4)
cat(‘Ya que el p-valor es menor que el nivel de significación 0.01, existe evidencia estadística en contra de h0’)
#Ahora fijamos alpha5 <- 0.001
#Comparar el p-valor con el nivel de significación alpha5 cat(‘¿ p-valor <’, alpha5, ‘?’, pvalue<alpha5)
cat(‘Ya que el p-valor es mayor que el nivel de significación 0.001, NO existe evidencia estadística en contra de h0’)