#importar libro de excel
library(readxl)
Datos_hombres_score <- library(readxl)
Datos_hombres_score <- read_excel("C:/2024/Semestre III/Metodos Multivariados/Datos hombres score.xlsx",
sheet = "Pre-test")
View(Datos_hombres_score)
score_m = as.numeric(Datos_hombres_score$Score_masculino)
hist(score_m)
#tengo que definir los puntos de corte para generar categorias, que metodo puede ser?
#metodo optimo para la raiz cuadrada para crear estratos
#hagamos la tabla de frecuencias
table(score_m)
## score_m
## 33 34 37 38 41 42 43 45 46 48 49 50 51 52 53 54 55 56 58 59 60 62 63 64 65 66
## 1 1 3 1 1 1 1 1 2 1 1 2 3 4 2 1 3 3 1 1 2 1 2 1 1 1
## 67 68 69 70 74 77
## 2 1 1 1 2 1
tabla.masculino = table(score_m)
#raiz en R
raiz.tb.mascu = sqrt(tabla.masculino)
raiz.tb.mascu
## score_m
## 33 34 37 38 41 42 43 45
## 1.000000 1.000000 1.732051 1.000000 1.000000 1.000000 1.000000 1.000000
## 46 48 49 50 51 52 53 54
## 1.414214 1.000000 1.000000 1.414214 1.732051 2.000000 1.414214 1.000000
## 55 56 58 59 60 62 63 64
## 1.732051 1.732051 1.000000 1.000000 1.414214 1.000000 1.414214 1.000000
## 65 66 67 68 69 70 74 77
## 1.000000 1.000000 1.414214 1.000000 1.000000 1.000000 1.414214 1.000000
#asi lo tienen en el tablero
F_m = cumsum(sqrt(tabla.masculino))
F_m
## 33 34 37 38 41 42 43 45
## 1.000000 2.000000 3.732051 4.732051 5.732051 6.732051 7.732051 8.732051
## 46 48 49 50 51 52 53 54
## 10.146264 11.146264 12.146264 13.560478 15.292529 17.292529 18.706742 19.706742
## 55 56 58 59 60 62 63 64
## 21.438793 23.170844 24.170844 25.170844 26.585057 27.585057 28.999271 29.999271
## 65 66 67 68 69 70 74 77
## 30.999271 31.999271 33.413485 34.413485 35.413485 36.413485 37.827698 38.827698
#Ahora voy a generar los puntos de corte
#voy a divdir el ultimo numero de la raiz acumulada (38.82) en el numero de estratos que quiero generar
corte_m = round(max(F_m)/3, 2)
F_m/3
## 33 34 37 38 41 42 43
## 0.3333333 0.6666667 1.2440169 1.5773503 1.9106836 2.2440169 2.5773503
## 45 46 48 49 50 51 52
## 2.9106836 3.3820881 3.7154215 4.0487548 4.5201593 5.0975096 5.7641762
## 53 54 55 56 58 59 60
## 6.2355808 6.5689141 7.1462644 7.7236146 8.0569480 8.3902813 8.8616858
## 62 63 64 65 66 67 68
## 9.1950192 9.6664237 9.9997570 10.3330903 10.6664237 11.1378282 11.4711615
## 69 70 74 77
## 11.8044949 12.1378282 12.6092327 12.9425661
#creo que esa primera división me dio 12.94
corte_m2 = corte_m*2
corte_m2
## [1] 25.88
#segundo punto de corte
#vamos a crear categorias
categoria = ifelse(score_m<50, "baja",ifelse(score_m>59, "alta","media")) #estos puntos los obtuve de excel
table(categoria)
## categoria
## alta baja media
## 16 14 20
#concordancia de jueces, evaluacion de las propiedades
#vamos a evaluar datos pre y post test
resp = round(runif(96, 0.1, 0.6), 0)
resp=ifelse(resp==1, "SI", "NO")
#datos = data.frame(test = rep(c("pre", "post"), 48),
# resp = resp #48 datos, 24 pre y 24 post
#Aca esta ecuación quedó a medio hacer
#preba de McNemar, prueba para el cambio de opinion
#vamos a pasar la tabla de pre y post test, hay 44 entrevistados, pre 20 del NO y 24 del SI, y post tengo 12 SI y 32 del NO
#creemos los datos en excel, ¿será que los 8 netos que cambiaron de opinion será significativo?
#Importar data set
library(readxl)
datos.mcNemar = Datos_hombres_score <- read_excel("C:/2024/Semestre III/Metodos Multivariados/Datos hombres score.xlsx",
sheet = "McNemar")
#crear una tabla entre pre test y post test
tabla=table(pre=datos.mcNemar$pre_test,post=datos.mcNemar$post_test)
#hubo cambio importante al perder 4 y ganar 12, teniendo un neto de ganancia de 8
#H0 , no hubo cambio de opinion
#Ha, si hay cambio de opinion, o de estatus
#donde hubo cambio es mucho mas grande que donde no hubo cambio
mcnemar.test(tabla) #meto la tabla
##
## McNemar's Chi-squared test with continuity correction
##
## data: tabla
## McNemar's chi-squared = 3.0625, df = 1, p-value = 0.08012
#chi cuadrado, 3.06, Pearson desarrollo un estadistico, donde se calcula la distancia entre los valores esperados y los que aparecen, ambos al cuadrado?,
#df, 1 xk tiene 2 filas y dos columnas
#p valor, > 0.05 , no rechazo hipotesis nula, todo siguio igual, con la publicidad o charla no hubo cambio
#este trabajo fue bi variable: pre y post, y SI o NO
#Peeero, la prueba Chi cuadrado de independencia, para tareas diferentes, a continuación se usará para Cambio de opinión, probando si par de variables cualitativas dependen entre si
#H0, una variable no tiene nada que ver con la otra
#Ha las maquinas no lo estan haciendo igual, tienen productos de calidad diferente
#Factores de riesgo, será que tenencia y manejo son independientes?
#Será que el nivel edacucional afecta la opinion que se tiene sobre un político?
#la calidad de un producto tiene que ver con su refrigeración?
#cruzar variables de tipo cualitativo, una es de tipo ordinal
#Cuado saber que esta mal el tamaño de muestra
#si dos eventos son independientes es = a la % de que ocurra cada uno por separado
#crear la tabla de excel en R
M = matrix(data = c(25,15,5, 18, 14, 10, 5, 7, 22),
byrow=TRUE, ncol = 3)
rownames(M) = c("propietario", "sociedad", "arrendatario")
colnames(M) = c("bueno", "medio", "bajo")
M
## bueno medio bajo
## propietario 25 15 5
## sociedad 18 14 10
## arrendatario 5 7 22
M=as.table(M)
#Para estar seguro que los datos estan bien,
#GL:3+2=5 , 5-1=4
#p valor, rechazo la H0, que la tenencia era independiente del manejo, con los datos vería que los propietarios lo hacen bien, la tenencia si afecta el manejo
prueba = chisq.test(M)
prueba
##
## Pearson's Chi-squared test
##
## data: M
## X-squared = 28.803, df = 4, p-value = 8.573e-06
prueba$observed
## bueno medio bajo
## propietario 25 15 5
## sociedad 18 14 10
## arrendatario 5 7 22
prueba$expected
## bueno medio bajo
## propietario 17.85124 13.38843 13.76033
## sociedad 16.66116 12.49587 12.84298
## arrendatario 13.48760 10.11570 10.39669
#si el numero es muy grande, es señal de que lo observado vs esperado estada distanciandose, entonces el numero es mas grande y hay diferencia
#Si distan mucho, el valor p es muy chiquito, se rechaza H0
#que tal que la opinion este relacionada por el estrato socioeconómico
#si no hay relacion, me es irrelevante el como trate
#si hay relacion, lo tengo que poner en cuenta