prom_educ<- mean(wage1$educ)
cat("El promedio del nivel educativo de la muestra corresponde a: ", prom_educ)
## El promedio del nivel educativo de la muestra corresponde a: 12.56274
niveledu= wage1 %>% count(wage1$educ)
ggplot(wage1, aes(x=educ)) + geom_histogram(fill= "#DD3A17") + theme_bw()+ labs(x="Años de educacion", y="Numero de personas")
min_educ<- min(wage1$educ)
max_educ<- max(wage1$educ)
cat("En la grafica se puede observar que el nivel educativo de la muestra es mayor en el intervalo de 12 y 16 años")
## En la grafica se puede observar que el nivel educativo de la muestra es mayor en el intervalo de 12 y 16 años
cat("Donde el valor minimo es:", min_educ, "y el maximo es de:", max_educ)
## Donde el valor minimo es: 0 y el maximo es de: 18
Calculo del salario promedio por hora
promedio_wage<- mean(wage1$wage)
media_wage<- median(wage1$wage)
ggplot(wage1, aes(x=wage)) + geom_histogram(fill= "#DD3A17") + theme_bw()+ labs(x="Ingresos promedio por hora", y="Numero de personas")
cat("El promedio de ingresos por hora es igual:", promedio_wage, "La media corresponde a:", media_wage)
## El promedio de ingresos por hora es igual: 5.896103 La media corresponde a: 4.65
En la grafica se puede observar existe una alta desigualdad entre pocas personas que ganan altas sumas de ingresos en comparacion con la mayoria de la poblacion que se encuentra en los intervalos ingresos promedio por hora de 2 a 4.65$/hora.
Calculo del numero de hombres y mujeres en la muestra
Hombres <- sum(wage1$female==0)
cat("La cantidad de hombres en la muestra es:", Hombres)
## La cantidad de hombres en la muestra es: 274
Mujeres <- sum(wage1$female==1)
cat("La cantidad de mujeres en la muestra es:", Mujeres)
## La cantidad de mujeres en la muestra es: 252
#Sexo vector
Sexo <- factor (wage1$female, levels= c(0,1), labels= c("Hombres", "Mujer"))
# Gráfico de barras
barplot(table(Sexo), main = "Cantidad de hombres y mujeres",
xlab = "Sexo", ylab = "Frecuencia", ylim = c(1,300), col = c("#DD3A17", "#DC8775"))
Calculo de mujeres en la muestra y cuantas informantes fumaron durante el embarazo
Mujeres2 <- sum(bwght$male==0)
cat("La cantidad de mujeres en la muestra es:" , Mujeres2)
## La cantidad de mujeres en la muestra es: 665
fumar<- sum(bwght$cigs >0)
cat("Las informantes que fumaron durante el embarazo fueron:", fumar)
## Las informantes que fumaron durante el embarazo fueron: 212
Calculo de la cantidad promedio de cigarros consumidos por dia ¿Es una medida representativa?
prom_cig<- mean(bwght$cigs)
media_cig<- median(bwght$cigs)
cat("El promedio de cigarrillos consumidos por dia es:", prom_cig)
## El promedio de cigarrillos consumidos por dia es: 2.087176
cat("La mediana de cigarrillos consumidos por dia es:", media_cig)
## La mediana de cigarrillos consumidos por dia es: 0
ggplot(bwght, aes(x=cigs)) + geom_histogram(fill="#D6B5AE") + theme_bw()+ labs(x="No Cigarrillos/dia", y="Numero de personas")
Como se puede apreciar en los datos de mediana y el grafico de histograma el mayor numero de las informantes encuestadas no fumaron durante el embarazo, por lo tanto el promedio no es representativo de la muestra
Calculo de la cantidad promedio de informantes que si fumaron durante el periodo de embarazo
tabla_cig<- subset(bwght, cigs>0)
prom_tab<- mean(tabla_cig$cigs)
cat("El calculo promedio de cigarros que fumaron por dia las informantes durante el periodo de embarazo corresponde a", prom_tab)
## El calculo promedio de cigarros que fumaron por dia las informantes durante el periodo de embarazo corresponde a 13.66509
Se puede observar que al eliminar de la muestra las personas que no consumieron cigarros. El calculo del promedio por dia aumenta, debido a que solamente se cuentan las informantes que si consumieron que no corresponde a la mayoria de la poblacion.
Calculo del promedio de años de educacion del padre
educ_p<- mean(bwght$fatheduc, na.rm = TRUE)
cat("El promedio de años de educacion del padre de la muestra es:", educ_p )
## El promedio de años de educacion del padre de la muestra es: 13.18624
cuenta_edu<- sum(bwght$fatheduc>0, na.rm = TRUE)
cat("El calculo solamente se ejecuta con", cuenta_edu, "debido a que se eliminan las filas que contienen NA")
## El calculo solamente se ejecuta con 1192 debido a que se eliminan las filas que contienen NA
Calculo del ingreso familiar promedio y su desviacion estandar
prom_ing<- mean(bwght$faminc)
cat("El promedio de ingreso familiar es:", prom_ing , "dolares")
## El promedio de ingreso familiar es: 29.02666 dolares
des_std<- sd(bwght$faminc, na.rm = TRUE)
cat("La desviacion estandar es de:", des_std , "dolares")
## La desviacion estandar es de: 18.73928 dolares
ggplot(bwght, aes(x=faminc)) + geom_histogram(fill="#EA5D3F") + theme_bw()+ labs(x="Ingreso familiar promedio", y="Frecuencia")
Se puede observar en la grafica la alta dispersion en los ingresos familares, adicionalmente que el calculo de la desviacion estandar el valor es elevado.
Valores mayor y menor de porcentaje de estudiantes aprobados de matematicas de 4 grado
min_math<- min(meap01$math4)
max_math<- max(meap01$math4)
cat("En la columna math4 se esta midiendo el porcentaje de safisfaccion de estudiantes de 4 grado en matematicas su valor minimo es:", min_math, "% y el valor maximo es de:", max_math , "%, correspondiente a un intervalo de porcentaje" )
## En la columna math4 se esta midiendo el porcentaje de safisfaccion de estudiantes de 4 grado en matematicas su valor minimo es: 0 % y el valor maximo es de: 100 %, correspondiente a un intervalo de porcentaje
Calculo escuelas con tasa perfecta de estudiantes aprobados de matematicas
aprobado<- subset(meap01, math4==100)
escuelas<- data.frame(unique(aprobado$bcode))
No_escuelas<- nrow(escuelas)
Tot_escuelas<- data.frame(unique(meap01$bcode))
No_tot_escu<- nrow(Tot_escuelas)
porcet_muestra<- No_escuelas/No_tot_escu*100
cat("El numero de escuelas con tasa perfecta de aprobacion del examen de matematicas es de:", No_escuelas)
## El numero de escuelas con tasa perfecta de aprobacion del examen de matematicas es de: 38
cat("El porcentaje de escuelas que cuentan con tasa perfectra de aprobacion de examen matematicas es de", porcet_muestra, "%")
## El porcentaje de escuelas que cuentan con tasa perfectra de aprobacion de examen matematicas es de 2.084476 %
Calculo de escuelas con tasa de estudiantes aprobados de matematicas exactamente 50%
aprob_p3<- subset(meap01, math4==50)
escuelas_p3<- data.frame(unique(aprob_p3$bcode))
No_escu_p3<- nrow(escuelas_p3)
cat("El numero de escuelas con tasa de aprobacion en matematicas igual a 50% es de:", No_escu_p3)
## El numero de escuelas con tasa de aprobacion en matematicas igual a 50% es de: 17
Comparacion de tasas de aprobacion en matematicas y en lectura
El promedio de aprobacion en examenes de matematicas fue de: 71.91”%, y el de lectura fue de: 60.06%
De acuerdo a los promedios de aprobacion obtenidos en los calculos se puede inferir que la tasa de aprobacion de matematicas es superior al de lectura, por lo tanto se puede concluir que es mas dificil aprobar el examen de lectura que el de matematicas.
Correlacion entre de tasas de aprobacion en matematicas y en lectura
correlacion<- cor(meap01$math4, meap01$read4)
cat("La correlacion entre las variables math4 y read4 es igual:", correlacion)
## La correlacion entre las variables math4 y read4 es igual: 0.8427281
ggplot(meap01, aes(x= math4, y= read4, color="#D34D31")) +
geom_point(size =2, alpha=1) +
labs(title = "Correlacion entre la tasa de matematicas (math4) y lectura (read4)")
En los valores obtenidos de una correlacion positiva intensa, debido a que se encuentra muy cercano a 1. Adicionalmente se puede apreciar en la grafica los valores de dispersion.
Calculo de promedio y desviacion estandar de gasto por alumno (exppp)
prom_gasto<- mean(meap01$exppp)
prom_gasto<- round(prom_gasto, 2)
des_gasto<- sd(meap01$exppp)
des_gasto<- round(des_gasto, 2)
media_gasto<- median(meap01$exppp)
media_gasto<- round(media_gasto,2)
ggplot(meap01, aes(x=exppp)) + geom_histogram(col='black', fill='#E34221') + theme_test()+ labs(x="Gasto/Alumno", y="Frecuencia") +
labs(title = "Distribucion de gasto por alumno")
cat("EL valor minimo de la muestra corresponde a ", min(meap01$exppp))
## EL valor minimo de la muestra corresponde a 1206.882
cat("EL valor maximo de la muestra corresponde a:", max(meap01$exppp))
## EL valor maximo de la muestra corresponde a: 11957.64
El promedio de gasto por alumno corresponde a: 5194.87
La desviacion estandar calculada es: 1091.89
La media calculada es: 5078.25
Se puede en la grafica que los valores de gasto por alumno se concentran en un rango especifico desde 2000 hasta 8000.
Las tendencias a la baja en acciones de cierto mercado XYZ se presentan en 7 de cada 1000 activos. Hallar la probabilidad de que al examinar 50 activos sólo haya uno con tendencia a la baja.
cat("La probabilidad de que al examinar 50 activos solo haya uno con tendencia a la baja es de:", dbinom(1, 50, 7/1000))
## La probabilidad de que al examinar 50 activos solo haya uno con tendencia a la baja es de: 0.248074
La probabilidad de éxito de un determinado modelo financiero es 0.72. Calcular la probabilidad de que una vez intervenidos 15 empresas:
Todas sean declaradas exitosas
Ninguna sea declarada exitosa
Trece de estas empresas sean declaradas exitosas
cat("a) La probabilidad de exito donde todas las empresas sean declaradas exitosas es de:", dbinom(15, 15, 0.72))
## a) La probabilidad de exito donde todas las empresas sean declaradas exitosas es de: 0.00724415
cat("b) La probabilidad de exito donde ninguna de las empresas sean declaradas exitosas es de:", dbinom(0, 15, 0.72))
## b) La probabilidad de exito donde ninguna de las empresas sean declaradas exitosas es de: 5.097655e-09
cat("c) La probabilidad de exito de que 13 de las empresas sean declaradas exitosas es de:", dbinom(13, 15, 0.72))
## c) La probabilidad de exito de que 13 de las empresas sean declaradas exitosas es de: 0.1150344
La probabilidad de que una empresa se recupere de una crisis financiera por posible insolvencia es 0.4., 15 empresas han sido intervenidas por posibles problemas de insolvencia.
¿Cuál es la probabilidad de que al menos 10 se recuperen?
¿Cuál es la probabilidad de entre 3 y 8 empresas se recuperen?
cat("a) La probabilidad de que al menos 10 empresas se recuperen es de:", pbinom(9, 15, 0.4, lower.tail = FALSE))
## a) La probabilidad de que al menos 10 empresas se recuperen es de: 0.0338333
cat("b) La probabilidad de que entre 3 y 8 empresas se recuperen es de:", pbinom(8, 15, 0.4) - pbinom(3,15,0.4))
## b) La probabilidad de que entre 3 y 8 empresas se recuperen es de: 0.8144507
En una ciudad la necesidad de dinero para comprar drogas se establece como la razón del 75% de los robos. Encuentre la probabilidad de que entre los siguientes cinco casos de robo:
Robo por droga = 0,75; Robo por otra causa = 0.25; N=15
Dos resulten de la necesidad de dinero para comprar drogas.
Al menos tres resulten de la necesidad de dinero para comprar drogas.
cat("a) La probabilidad de que dos resulten de la necesidad de dinero para comprar drogas es:", dbinom(2,5,0.75))
## a) La probabilidad de que dos resulten de la necesidad de dinero para comprar drogas es: 0.08789063
cat("b) La probabilidad de que al menos tres resulten de la necesidad de dinero para comprar drogas:", pbinom(3,5,0.75, lower.tail = FALSE))
## b) La probabilidad de que al menos tres resulten de la necesidad de dinero para comprar drogas: 0.6328125
De acuerdo con un estudio publicado por un grupo de investigadores, aproximadamente el 30% de los consumidores de redes sociales puede realizar inversiones en Bitcoin. Encuentre la probabilidad de que en un grupo de ocho sujetos con consumo de redes sociales:
Tres inviertan en Bitcoin.
Al menos cinco inviertan en Bitcoin.
No más de 5 comenzaran a inveretir en Bitcoin.
cat("a) La probabilidad de que tres inviertan en Bitcoin es:", dbinom(3,8,0.3))
## a) La probabilidad de que tres inviertan en Bitcoin es: 0.2541218
cat("b) La probabilidad de que al menos cinco inviertan en Bitcoin es:", pbinom(4,8,0.3, lower.tail = FALSE))
## b) La probabilidad de que al menos cinco inviertan en Bitcoin es: 0.05796765
cat("c)La probabilidad de que no más de 5 comenzaran a invertir en Bitcoin es:", pbinom(5,8, 0.3))
## c)La probabilidad de que no más de 5 comenzaran a invertir en Bitcoin es: 0.9887078
Determine el valor de la normal estándar Z para el área indicada.
Debajo de este valor Z están el 90% de los valores de Z.
El 80% de los valores está a la derecha de este valor Z.
El 30% de los valores se encuentra a la izquierda de este valor Z.
El 10% de los valores es mayor que este valor Z.
El 70% de los valores es menor que este valor Z
cat("a) Debajo de este valor Z están el 90% de los valores de Z es:", qnorm(0.9))
## a) Debajo de este valor Z están el 90% de los valores de Z es: 1.281552
cat("b) El 80% de los valores está a la derecha de este valor Z es:", qnorm(0.8, lower.tail = FALSE))
## b) El 80% de los valores está a la derecha de este valor Z es: -0.8416212
cat("C) El 30% de los valores se encuentra a la izquierda de este valor Z es:", qnorm(0.3))
## C) El 30% de los valores se encuentra a la izquierda de este valor Z es: -0.5244005
cat("d) El 10% de los valores es mayor que este valor Z es:", qnorm(0.1, lower.tail = FALSE))
## d) El 10% de los valores es mayor que este valor Z es: 1.281552
cat("e) El 70% de los valores es menor que este valor Z es:", qnorm(0.7))
## e) El 70% de los valores es menor que este valor Z es: 0.5244005
Se investiga la relación entre varias condiciones socioeconòmicas y el comportamiento apostador en adolescentes y adultos jóvenes. Para duplicar los resultados, usted debe obtener datos de una muestra de adultos jóvenes con una edad media de 22 años y una desviación estándar de 2 años. Las edades de esta población están normalmente distribuidas, debe seleccionar una persona al azar y calcular las siguientes probabilidades. Trace la curva de la normal para cada caso y resalte el área que representa dicha probabilidad.
La probabilidad de seleccionar al azar a alguien entre las edades de 20 y 24 años
La probabilidad de seleccionar al azar con 19 años o menos
Si al 10% más joven de la población de adultos jóvenes se le enviara una carta ¿A qué edad deben dirigirse las cartas?
Se ha determinado que un grupo especial de individuos son aquellos que presentan edades superiores a 25 años, ¿Qué probabilidad existe de seleccionar al azar una persona del grupo especial?
cat("a) La probabilidad de seleccionar al azar a alguien entre las edades de 20 y 24 años es:", pnorm(24,22,2)- pnorm(20,22,2))
## a) La probabilidad de seleccionar al azar a alguien entre las edades de 20 y 24 años es: 0.6826895
cat("b) La probabilidad de seleccionar al azar con 19 años o menos es de:", pnorm(19,22,2))
## b) La probabilidad de seleccionar al azar con 19 años o menos es de: 0.0668072
cat("c) Las cartas deben dirigirse a la edad de:", qnorm(0.1, 22,2) , "años")
## c) Las cartas deben dirigirse a la edad de: 19.4369 años
cat("d) La probabilidad de seleccionar al azar una persona del grupo especial es de:", pnorm(25,22,2, lower.tail = FALSE))
## d) La probabilidad de seleccionar al azar una persona del grupo especial es de: 0.0668072
Se examinaron las respuestas de pacientes a un tratamiento antidepresivo en una clínica de salud mental comunitaria. La escala de Depresión del Centro de Estudios Epidemiológicos (CESD) es usada para evaluar la severidad de los síntomas depresivos. Supongamos que tiene puntuaciones CESD normalmente distribuídas para algunos pacientes de salud mental. La puntuación CESD media es 27.2 puntos en la escala con una desviación estándar de 3.2. Su interés es en aislar puntuaciones CESD extremadamente bajas y altas para estos pacientes, aquellos que caen fuera del 95% medio de las puntuaciones. Estas áreas caerán en las colas de la curva normal con 2.5% en cada cola.
Identifique las regiones extremadamente bajas y altas, determinando las puntuaciones CESD que definen los extremos fuera del área media del 95%. Interprete su respuesta.
Los pacientes con puntuaciones mayores a 34.2 se clasifican como pacientes en riesgo de hacerse daño a sí mismos. ¿Qué probabilidad existe de encontrar un paciente en riesgo?
Se han seleccionado 5 pacientes en una muestra, ¿qué probabilidad existe de exactamente 2 pacientes estén en riesgo de hacerse daño a sí mismos?
cat("a) Las regiones bajas corresponde a:", qnorm(0.025, 27.2,3.2), "y las altas a:", qnorm(0.975, 27.2,3.2), "De acuerdo a la escala puntuacion CESD")
## a) Las regiones bajas corresponde a: 20.92812 y las altas a: 33.47188 De acuerdo a la escala puntuacion CESD
cat("b) La probabilidad que existe de encontrar un paciente en riesgo es de:", 1- pnorm(34.2,27.2,3.2))
## b) La probabilidad que existe de encontrar un paciente en riesgo es de: 0.01435302
cat("c) La probabilidad que existe de exactamente 2 pacientes estén en riesgo de hacerse daño a sí mismos es de:", dbinom(2,5,0.014))
## c) La probabilidad que existe de exactamente 2 pacientes estén en riesgo de hacerse daño a sí mismos es de: 0.001878827
Una prueba estandarizada de uso común es la Escala de Inteligencia de Standford-Binet. Esta prueba está diseñada para evaluar el desarrollo cognitivo en niños. La prueba está normalizada y diseñada tal que las puntuaciones caen en una distribución normal respecto a una media de 100 puntos en la escala con una desviación de 13 puntos en la escala.
Suponga que una persona se sometió a la prueba, ¿Cuál es la probabilidad de tener una puntuación menor a 130 puntos?
¿Cuál es la probabilidad de que una persona obtenga puntajes entre 89 y 115?
Si se ha determinado que puntajes inferiores a 85 presentan bajo desarrollo cognitivo, y actualmente se ha seleccionado una muestra de 10 pacientes, ¿Cuál es la probabilidad de que máximo dos pacientes de la muestra de 10 presenten bajo desarrollo cognitivo?
cat("a) La probabilidad de tener una puntuación menor a 130 puntos es de:", pnorm(130,100,13))
## a) La probabilidad de tener una puntuación menor a 130 puntos es de: 0.9894919
cat("b) La probabilidad de que una persona obtenga puntajes entre 89 y 115 es de:", pnorm(115,100,13)- pnorm(89,100,13))
## b) La probabilidad de que una persona obtenga puntajes entre 89 y 115 es de: 0.6769849
cat("c) La probabilidad de que máximo dos pacientes de la muestra de 10 presenten bajo desarrollo cognitivo es de:", pbinom(2,10, 85/100))
## c) La probabilidad de que máximo dos pacientes de la muestra de 10 presenten bajo desarrollo cognitivo es de: 8.665133e-06
Usted investiga aspectos de desnutrición en el sector educativo. La media de los pesos de 500 estudiantes de un colegio es 70 kg. Se ha determinado que la probabilidad de encontrar a un estudiante que pese menos de 64 kg es de 0.021. Asuma que los pesos distribuyen normalmente.
Determine aproximadamente cuántos estudiantes pesan entre 60 kg y 75 kg
Determine aproximadamente cuántos estudiantes pesan más de 90 kg
Si deben elegirse el 10% de estudiantes con mayor peso para realizar una actividad, ¿a partir de que peso se eligen los estudiantes?
media<- 70
estudiantes<- 500
peso_limite<- 64
probablidad<- 0.021
z<- qnorm(probablidad)
z
## [1] -2.03352
desviacion<- (peso_limite-media)/z
desviacion
## [1] 2.950549
pnorm_m<- pnorm(60,media,desviacion)
pnorm_ms<- pnorm(75,media,desviacion)
total<- pnorm_ms-pnorm_m
cat("a) Los estudiantes pesan entre 60 kg y 75 kg son:", round(estudiantes*total))
## a) Los estudiantes pesan entre 60 kg y 75 kg son: 477
resp<- 1-pnorm(90,media,desviacion)
total1<- round(estudiantes*resp)
total1
## [1] 0
cat("b) Los estudiantes pesan más de 90 kg son:", total1)
## b) Los estudiantes pesan más de 90 kg son: 0
cat("c) Para 10% de estudiantes con mayor peso para realizar una actividad, el peso de los estudiantes es:", qnorm(0.9,media,desviacion))
## c) Para 10% de estudiantes con mayor peso para realizar una actividad, el peso de los estudiantes es: 73.78128