Centro = read.csv("Centro.csv")
table(Centro$Estado) #Puebla es el 21
## 
##   9  13  15  17  21  29 
## 431 356 588 410 363 384
Puebla = subset(Centro,Centro$Estado==21) #Elige solo los de Puebla
PueblaUrbano = subset(Puebla, Puebla$localidad == "U")
PueblaRural = subset(Puebla, Puebla$localidad == "R")

table(Puebla$localidad)
## 
##   R   U 
## 109 254

En Puebla, ¿Se podría inferir que las medias poblacionales del ingresos corrientes trimestrales por familia en zonas rurales y urbanas son diferentes en este Estado?

# Se realiza con ingresos corrientes y como las muestras son grandes 109 (R) y 254 (U) se utiliza Z por el TLC.
library("BSDA")
## Cargando paquete requerido: lattice
## 
## Adjuntando el paquete: 'BSDA'
## The following object is masked from 'package:datasets':
## 
##     Orange
z.test(PueblaUrbano$ing_cor, sigma.x = sd(PueblaUrbano$ing_cor))
## 
##  One-sample z-Test
## 
## data:  PueblaUrbano$ing_cor
## z = 23.639, p-value < 2.2e-16
## alternative hypothesis: true mean is not equal to 0
## 95 percent confidence interval:
##  47304.03 55857.48
## sample estimates:
## mean of x 
##  51580.76
z.test(PueblaRural$ing_cor, sigma.x = sd(PueblaRural$ing_cor))
## 
##  One-sample z-Test
## 
## data:  PueblaRural$ing_cor
## z = 12.984, p-value < 2.2e-16
## alternative hypothesis: true mean is not equal to 0
## 95 percent confidence interval:
##  32703.14 44332.05
## sample estimates:
## mean of x 
##  38517.59

Grafica de Intervalos de Confianza

IC = tapply(Puebla$ing_cor, list(Puebla$localidad), function(x) z.test(x, sigma.x = sd(x))$conf.int)
IC_df = data.frame(inferior = sapply(IC, function(x) x[1]), superior = sapply(IC, function(x) x[2]), names = c("R", "U"))  
# R: rural, U: urbana

options(scipen=999)
plot(NA, xlim = c(0, 100000), ylim=c(1,7), ylab ="Zona", xlab = "Ingreso corriente", main="Ingreso Corriente en Zonas Rurales y Urbanas")

# Línea para zona rural
arrows(IC_df[1, 1], 2, IC_df[1, 2], 2, code = 3, angle = 90, col = "pink", lwd = 2, cex = 0.7)

# Línea para zona urbana
arrows(IC_df[2, 1], 5, IC_df[2, 2], 5, code = 3, angle = 90, col = "cyan", lwd = 2, cex = 0.7)

# Texto para cada línea
text(1, 2, "R", col = "pink", cex = 0.7)
text(1, 5, "U", col = "cyan", cex = 0.7)

### Prueba de Normalidad

shapiro.test(PueblaRural$ing_cor)
## 
##  Shapiro-Wilk normality test
## 
## data:  PueblaRural$ing_cor
## W = 0.70878, p-value = 0.0000000000002111
shapiro.test(PueblaUrbano$ing_cor)
## 
##  Shapiro-Wilk normality test
## 
## data:  PueblaUrbano$ing_cor
## W = 0.81107, p-value < 0.00000000000000022

En la cuidad de San Pedro Cholula, Puebla: ¿Se puede inferir que la media poblacional de ingresos es (>,<, diferente) a la media nacional de ingreso (61489.96) y realizar la prueba de hipótesis correspondiente.

MEXICO = read.csv("ENIGH2022_todomexico.csv")
SanPedroCholula = subset(MEXICO, ubica_geo == 21106)
SPC_Urbano = subset(SanPedroCholula, localidad == "U")
SPC_Rural = subset(SanPedroCholula, localidad == "R")

# Prueba de normalidad para zona urbana
shapiro.test(SPC_Urbano$ing_cor)
## 
##  Shapiro-Wilk normality test
## 
## data:  SPC_Urbano$ing_cor
## W = 0.95269, p-value = 0.3825
# Prueba de normalidad para zona rural
shapiro.test(SPC_Rural$ing_cor)
## 
##  Shapiro-Wilk normality test
## 
## data:  SPC_Rural$ing_cor
## W = 0.88117, p-value = 0.0005662
miu = mean(MEXICO$ing_cor, na.rm = TRUE)  # Media nacional de ingreso

sd_urb = sd(SPC_Urbano$ing_cor, na.rm = TRUE)
sd_rur = sd(SPC_Rural$ing_cor, na.rm = TRUE)

library(BSDA)

z.test(SPC_Urbano$ing_cor,mu = miu, alternative = "greater", sigma.x = sd_urb)
## 
##  One-sample z-Test
## 
## data:  SPC_Urbano$ing_cor
## z = -10.847, p-value = 1
## alternative hypothesis: true mean is greater than 61489.96
## 95 percent confidence interval:
##  26786.01       NA
## sample estimates:
## mean of x 
##  31355.52
z.test(SPC_Rural$ing_cor, mu = miu, alternative = "less", sigma.x = sd_rur)
## 
##  One-sample z-Test
## 
## data:  SPC_Rural$ing_cor
## z = -4.1292, p-value = 0.0000182
## alternative hypothesis: true mean is less than 61489.96
## 95 percent confidence interval:
##        NA 50986.97
## sample estimates:
## mean of x 
##   44033.2