Respuesta:
library(wooldridge)
library(tidyverse)
library(ggplot2)
library(plotly)
library(dplyr)
library(agricolae)
#library(MASS)
library(treemapify)
Base1<- wage1
PromEduc= round(mean(wage1$educ),2)
MinimoEdu = min(wage1$educ)
MaximoEdu = max(wage1$educ)
GraficoEdu <- ggplot(wage1, aes(x = educ)) +
geom_histogram(fill = "#118f40",
color = "white") +
scale_x_continuous(
breaks = seq(
from = min(wage1$educ),
to = max(wage1$educ),
by = 1)
)+
labs(title="Frecuancia Niveles de Educación",
x = "Niveles de Educación",
y = "Frecuencia")+
geom_vline(xintercept = PromEduc, linetype=1, col="blue", size=0.5)
ggplotly(GraficoEdu)
El promedio de la muestra es: 12.56
El nivel de educación menor es: 0
El nivel de educación mayor es: 18
Respuesta:
library(agricolae)
PromHora<-mean(wage1$wage)
MedHora<-median(wage1$wage)
datos1 <- data.frame(SalarioProm=c(Base1$wage), Salario=rep(1, each=526))
boxplot(SalarioProm ~ Salario, data=datos1, las=1,
xlab='SalarioProm', ylab='Salario')
El salario promedio por hora es: 5.8961027, al compararlo con la mediana del salario por hora (4.6500001), evidenciamos que el promedio es mayor a la mediana, en consecuencia, se puede indicar que el salario promedio es alto.
Genero <- Base1 %>%
count(female)
Genero<-mutate(Genero,
female = ifelse(female>0, "Mujer", "Hombre"),
Part = round(n/sum(Genero$n),2))
Genero
## female n Part
## 1 Hombre 274 0.52
## 2 Mujer 252 0.48
Mujer <- Genero %>%
filter(female=="Mujer") %>%
select(n)
Hombre <- Genero %>%
filter(female=="Hombre") %>%
select(n)
Grafico1.3 <- ggplot(Genero, aes(x= female,
y= n))+
geom_bar(stat = "identity",
fill = "#118f40",
color = "black")+
scale_y_continuous(
breaks = seq(
from = 0,
to = 280,
by = 20))+
geom_text(aes(label=n),
size= 3,
position= position_stack(vjust=0.5))+
labs(x="Género",
y= "Conteo",
title= "Conteo de Género")
ggplotly(Grafico1.3)
En la muestra hay 252 mujeres y 274 hombres.
Base2 <- bwght
# Hombre y mujeres
Genero2 <- Base2 %>%
count(male)
Genero2 <- mutate(Genero2,
female = ifelse(male==0, "Mujer", "Hombre"))
Genero2
## male n female
## 1 0 665 Mujer
## 2 1 723 Hombre
Mujeres <- Genero2 %>%
filter(female=="Mujer") %>%
select(n)
###--- Fuma
Base2<-mutate(Base2,
cigs2 = ifelse(cigs==0, "No", "Si"))
Cigarrillos <- Base2 %>%
count(male, cigs2)
Cigarrillos<- filter(Cigarrillos, male==0) %>%
mutate( Part = n/sum(Cigarrillos$n))
fumadoras <- Cigarrillos %>%
filter(cigs2=="Si") %>%
select(n)
Grafica2.1<-ggplot(Cigarrillos,
aes(x = cigs2,
y = n)) +
geom_bar(stat = "identity",
fill = "#118f40",
color = "black") +
geom_text(aes(label=n),
size= 3,
position= position_stack(vjust=0.5))+
labs(x = "Fumo?",
y = "Frequency",
title = "Mujeres que fumaron durante el embarazo")
ggplotly(Grafica2.1)
En la muestra hay 665 mujeres, de las cuales 112 fumaron durante el embarazo.
PromCiga<-round(mean(Base2$cigs),2)
MedCiga<-median(Base2$cigs)
fumadoras2 <- filter (Base2, cigs2== "Si")
PromFumadoras <- mean(fumadoras2$cigs)
PromFumadoras
## [1] 13.66509
La cantidad promedio de cigarrillos consumidos por día es: 2.09, que al compararlo con la mediana 0, se observa que no es una medida representativa de la mujer típica.
Cigs3 <- filter(Base2, cigs2=="Si")
mean(Cigs3$cigs)
## [1] 13.66509
Cigs4<-Cigs3 %>%
count(Cigs3$cigs)
names(Cigs4)[names(Cigs4)=="Cigs3$cigs"]<- "Nro_Cigarrillos"
Grafico2.3 <-ggplot(Cigs4,
aes(x = Nro_Cigarrillos,
y = n)) +
geom_point(stat = "identity",
color = "#118f40")
ggplotly(Grafico2.3)
De la base se obtiene que sólo 212 mujeres (15.27%) fumaron durante el embarazo, de una muestra de 1.388 encuestadas. El promedio de cigarrillos consumidos durante el embarazo de estas 212 mujeres es de 13.66 cigarrillos por día.
Nulos <- Base2 %>%
count(Base2$fatheduc)
Nulos
## Base2$fatheduc n
## 1 1 1
## 2 2 2
## 3 3 4
## 4 4 3
## 5 5 4
## 6 6 10
## 7 7 10
## 8 8 22
## 9 9 17
## 10 10 49
## 11 11 64
## 12 12 443
## 13 13 87
## 14 14 115
## 15 15 43
## 16 16 189
## 17 17 32
## 18 18 97
## 19 NA 196
PromEduFha<-round(mean(Base2$fatheduc, na.rm=T),2)
La base contiene 196 datos nulos (NA), en consecuencia, el promedio de los años de educación del padre se debe realizar con 1.192 observaciones.
El promedio de los años de educación del padre es: 13.19 años.
PromIng<-round(mean(Base2$faminc),2)
DesvEsta<-round(sd(Base2$faminc),2)
El ingreso familiar promedio es 29.03 USD y su desviación estándar es 18.74 USD.
Base3 <- meap01
MaxMat<-max(Base3$math4)
MinMat<-min(Base3$math4)
El valor máximo de la variable math4 es 100 y el valor mínimo es 0. Este intevalo es lógico entendiendo que la variable está expresada en términos de porcentajes.
Escuela <- Base3 %>%
count(math4)
Escuela <-mutate(Escuela, Porcentaje = round(n/sum(n)*100,2))
filter(Escuela, math4== 100 )
## math4 n Porcentaje
## 1 100 38 2.08
ggplotly(ggplot(Escuela,
aes(x = math4,
y = n)) +
geom_bar(stat = "identity",
fill = "#118f40") +
labs(title = "Marriages by officiate") +
theme(legend.position = "none"))
En la base 38 escuelas tienen una tasa perfecta de aprobados (100), que equivalen al 2.08% del total de la muestra.
filter(Escuela, math4== 50 )
## math4 n Porcentaje
## 1 50 17 0.93
17 escuelas tienen una tasa de aprobados en matemáticas del 50% y corresponden al 0.93% de la muestra.
#Ho = MM - ML = 0
#H1 = MM - ML > 0
datos <- data.frame(materias=c(Base3$math4, Base3$read4), tasas=rep(1:2, each=1823))
boxplot(materias ~ tasas, data=datos, las=1,
xlab='Asignatura', ylab='Promedio Tasas')
t.test(x=Base3$math4, y=Base3$read4, alternative="greater", mu=0,
paired=FALSE, var.equal=TRUE, conf.level=0.95)
##
## Two Sample t-test
##
## data: Base3$math4 and Base3$read4
## t = 18.291, df = 3644, p-value < 2.2e-16
## alternative hypothesis: true difference in means is greater than 0
## 95 percent confidence interval:
## 10.78147 Inf
## sample estimates:
## mean of x mean of y
## 71.90900 60.06188
Al evaluar los promedios observamos que las Matemáticas (71.90%) tienen un promedio de calificación mas alto que Lecturas (60.06%). en consecuencia se puede afirmar que la asignatura de Lectura es más difícil de aprobar que las Matemáticas.
cor(x=Base3$math4, y=Base3$read4)
## [1] 0.8427281
ggplot(Base3, aes(x=math4, y=read4))+
geom_point()
Tiene una correlación positiva muy fuerte.
PromAlum<-mean(Base3$exppp)
SDAlum<-sd(Base3$exppp)
MedianAlum<-median(Base3$exppp)
datos2 <- data.frame(alumnos=c(Base3$exppp), gasto=rep(1, each=1823))
Grafica3.6 <-ggplot(datos2,
aes(x = gasto,
y = alumnos)) +
geom_boxplot() +
labs(title = "Gasto por alumno")
ggplotly(Grafica3.6)
La variable tiene gasto por alumno un pomedio de 5194.8654783, una media de 5078.2529297, y una desviación estandar de 1091.8895972. De acuerdo con el gráfico de cajas esta variable tiene una gran variación en los datos.