M4T4

ruta_directorio_trabajo = "D:/POSTGRADOS/SIGLO XX - ESAM/MSC ESTADISTICA PREDICTIVA/Modulo 4 Introduccion a la Probabilidad y Distribución Estadistica/Act4"

tryCatch({
  setwd(ruta_directorio_trabajo)
  cat("Directorio de trabajo establecido en:", getwd(), "\n\n")
}, warning = function(w){
  cat("Advertencia al establecer el directorio de trabajo:", conditionMessage(w), "\n")
  cat("Directorio de trabajo ACTUAL podría no ser el esperado:", getwd(), "\n\n")
}, error = function(e) {
  cat("ERROR al establecer el directorio de trabajo:", conditionMessage(e), "\n")
  cat("Por favor, verifica la ruta e inténtalo de nuevo.\n")
  cat("El script podría no encontrar el archivo.\n\n")
  stop("No se pudo establecer el directorio de trabajo.") # Detener si setwd falla
})

## Directorio de trabajo establecido en: D:/POSTGRADOS/SIGLO XX - ESAM/MSC ESTADISTICA PREDICTIVA/Modulo 4 Introduccion a la Probabilidad y Distribución Estadistica/Act4

library(readxl)
library(ggplot2)
library(corrplot)

## corrplot 0.95 loaded

library(Hmisc)

## 
## Adjuntando el paquete: 'Hmisc'

## The following objects are masked from 'package:base':
## 
##     format.pval, units

# Cargar el archivo Excel
datos <- read_excel("muestra.xlsx")

# Mostrar las primeras filas para verificar estructura
head(datos)

## # A tibble: 6 × 4
##    edad horas_trabajadas ingreso_laboral ingreso_personal
##   <dbl>            <dbl>           <dbl>            <dbl>
## 1    65               25            11.7            362. 
## 2    77               20            14.6            365. 
## 3    51               56            18.3            102. 
## 4    70               24            18.3             51.7
## 5    72               40            20              377. 
## 6    72               36            20.8            371.

# Verificar si hay valores nulos
colSums(is.na(datos))

##             edad horas_trabajadas  ingreso_laboral ingreso_personal 
##                0             5380             6435                0

# 1. Cálculo de correlaciones
# Correlación entre edad e ingreso laboral
cor_edad_ingreso_laboral <- cor.test(datos$edad, datos$ingreso_laboral)

# Correlación entre edad e ingreso personal
cor_edad_ingreso_personal <- cor.test(datos$edad, datos$ingreso_personal)

# Correlación entre ingreso laboral e ingreso personal
cor_ingresos <- cor.test(datos$ingreso_laboral, datos$ingreso_personal)

# Mostrar resultados
cat("\nCoeficientes de correlación de Pearson:\n")

## 
## Coeficientes de correlación de Pearson:

cat("Edad e Ingreso Laboral:", round(cor_edad_ingreso_laboral$estimate, 4), 
    "(p-valor:", round(cor_edad_ingreso_laboral$p.value, 4), ")\n")

## Edad e Ingreso Laboral: -0.1273 (p-valor: 0 )

cat("Edad e Ingreso Personal:", round(cor_edad_ingreso_personal$estimate, 4), 
    "(p-valor:", round(cor_edad_ingreso_personal$p.value, 4), ")\n")

## Edad e Ingreso Personal: -0.0825 (p-valor: 0 )

cat("Ingreso Laboral e Ingreso Personal:", round(cor_ingresos$estimate, 4), 
    "(p-valor:", round(cor_ingresos$p.value, 4), ")\n")

## Ingreso Laboral e Ingreso Personal: 0.9652 (p-valor: 0 )