##### INCISO 1#####
# Parámetros
N <- 2500 # Tamaño total de la población
E <- 0.05 # Margen de error (como proporción)
Z <- 1.96 # Z-score para un nivel de confianza del 95%
p <- 0.5 # Proporción estimada
# Cálculo del tamaño de muestra sin corrección
n <- (Z^2 * p * (1 - p)) / (E^2)
# Aplicar corrección por población finita
n_ajustado <- n / (1 + (n - 1) / N)
# Redondear hacia arriba para asegurar la cobertura
n_ajustado <- ceiling(n_ajustado)
# Mostrar resultado
print(n_ajustado)
## [1] 334
#####INCISO 2#####
EdadA=(c(10, 10, 10, 12, 10))
ComidasA=(c(2,5,3, 2, 5))
EdadB=(c(11,10,10,10,12))
ComidasB=(c(5,5,5,3,5))
installed.packages("plotrix")
## Package LibPath Version Priority Depends Imports LinkingTo Suggests
## Enhances License License_is_FOSS License_restricts_use OS_type Archs
## MD5sum NeedsCompilation Built
library("plotrix")
std.error(EdadA)
## [1] 0.4
std.error(ComidasA)
## [1] 0.678233
std.error(EdadB)
## [1] 0.4
std.error(ComidasB)
## [1] 0.4
#####Correlación de pearson INCISOS B Y C######
# Definir los datos
EdadA <- c(10, 10, 10, 12, 10)
ComidasA <- c(2, 5, 3, 2, 5)
EdadB <- c(11, 10, 10, 10, 12)
ComidasB <- c(5, 5, 5, 3, 5)
# calcular el coeficiente de correlación
correlation_A <- cor(EdadA, ComidasA)
correlation_B <- cor(EdadB, ComidasB)
# resultados
print(paste("Correlation between EdadA and ComidasA:", correlation_A))
## [1] "Correlation between EdadA and ComidasA: -0.51604684654214"
print(paste("Correlation between EdadB and ComidasB:", correlation_B))
## [1] "Correlation between EdadB and ComidasB: 0.375"
#####Inciso D#####
# Instalar paquetes#
if (!require("stats")) install.packages("stats"); library("stats")
# Definir los datos
ComidasA <- c(2, 5, 3, 2, 5)
ComidasB <- c(5, 5, 5, 3, 5)
EdadB <- c(11, 10, 10, 10, 12)
# Datos
data <- data.frame(EdadB, ComidasA, ComidasB)
# Modelo de regresión múlitple
model <- lm(EdadB ~ ComidasA + ComidasB, data = data)
# Resultado
summary(model)
##
## Call:
## lm(formula = EdadB ~ ComidasA + ComidasB, data = data)
##
## Residuals:
## 1 2 3 4 5
## 4.444e-01 -8.889e-01 -6.667e-01 2.845e-16 1.111e+00
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 8.9444 3.0266 2.955 0.098 .
## ComidasA 0.1111 0.4444 0.250 0.826
## ComidasB 0.2778 0.7536 0.369 0.748
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1.155 on 2 degrees of freedom
## Multiple R-squared: 0.1667, Adjusted R-squared: -0.6667
## F-statistic: 0.2 on 2 and 2 DF, p-value: 0.8333
#####INCISO E######
# DATOS
EdadA <- c(10, 10, 10, 12, 10)
EdadB <- c(11, 10, 10, 10, 12)
# SUMAR EdadA and EdadB
TotalEdad <- EdadA + EdadB
# Usar la prueba de Shapiro-Wilk para normalidad
shapiro_test <- shapiro.test(TotalEdad)
# Resultados
print(paste("Sum of EdadA and EdadB:", TotalEdad))
## [1] "Sum of EdadA and EdadB: 21" "Sum of EdadA and EdadB: 20"
## [3] "Sum of EdadA and EdadB: 20" "Sum of EdadA and EdadB: 22"
## [5] "Sum of EdadA and EdadB: 22"
print("Shapiro-Wilk test results:")
## [1] "Shapiro-Wilk test results:"
print(shapiro_test)
##
## Shapiro-Wilk normality test
##
## data: TotalEdad
## W = 0.82083, p-value = 0.1185
#####INCISO F####
# Datos
EdadA <- c(10, 10, 10, 12, 10)
EdadB <- c(11, 10, 10, 10, 12)
# Definir los vectores de datos
EdadA <- c(10, 10, 10, 12, 10)
EdadB <- c(11, 10, 10, 10, 12)
# Combinar los datos en un solo vector y crear un vector de grupo
datos <- c(EdadA, EdadB)
grupo <- factor(c(rep("EdadA", length(EdadA)), rep("EdadB", length(EdadB))))
# Cargar la librería car para realizar la prueba de Levene
if(!require(car)) install.packages("car")
## Loading required package: car
## Loading required package: carData
library(car)
# Realizar la prueba de Levene
levene_test <- leveneTest(datos, grupo)
print(levene_test)
## Levene's Test for Homogeneity of Variance (center = median)
## Df F value Pr(>F)
## group 1 0.125 0.7328
## 8
# Realizar la prueba de Bartlett
bartlett_test <- bartlett.test(datos, grupo)
print(bartlett_test)
##
## Bartlett test of homogeneity of variances
##
## data: datos and grupo
## Bartlett's K-squared = 3.9475e-16, df = 1, p-value = 1
#####INCISO E#####
EdadA=(c(10,10,10,12,10))
ComidaA=(c(2,5,3,2,5))
EdadB=(c(11,10,10,10,12))
ComidaB=(c(5,5,5,3,5))
suma_edades <- EdadA + EdadB
print(suma_edades)
## [1] 21 20 20 22 22
shapiro.test(suma_edades)
##
## Shapiro-Wilk normality test
##
## data: suma_edades
## W = 0.82083, p-value = 0.1185