R Markdown

This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.

When you click the Knit button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:

summary(cars)
##      speed           dist       
##  Min.   : 4.0   Min.   :  2.00  
##  1st Qu.:12.0   1st Qu.: 26.00  
##  Median :15.0   Median : 36.00  
##  Mean   :15.4   Mean   : 42.98  
##  3rd Qu.:19.0   3rd Qu.: 56.00  
##  Max.   :25.0   Max.   :120.00

Including Plots

You can also embed plots, for example:

Note that the echo = FALSE parameter was added to the code chunk to prevent printing of the R code that generated the plot.

Escalas de medición en estadistica

##ESCALA NOMINAL: La escala nominal se utiliza para etiquetar variables sin ningún valor cuantitativo,ejemplo: género, estado civil. En una escala nominal, la operación consiste en dividir una clase determinada en un conjunto de subclases mutuamente excluyentes.

##ESCALA ORDINAL:En la escala ordinal, lo importante y significativo es el orden de los valores, pero no se conocen realmente las diferencias entre cada uno de ellos. Sus categorías están ordenadas por rango; cada clase posee una misma relación posicional con la siguiente; es decir, la escala muestra situaciones escalonadas.

##ESCALA DE INTERVALOS:La escala de intervalo es una escala numérica en la que conocemos tanto el orden como las diferencias exactas entre los valores. Es un tipo de medicición en la que las distancias entre los valores son significativas y se pueden medir, pero el cero es arbitrario y no representa la ausencia total de la característica medida.

##ESCALA DE RAZÓN:La escala de razón arroja el valor exacto entre las unidades y también tienen un cero absoluto, lo que permite aplicar una amplia gama de estadísticas tanto descriptivas como inferenciales.

install.packages(‘dplyr’)

install.packages(‘descriptr’)

install.packages(‘ggplot2’)

install.packages(“datos”)

library(dplyr)

library(descriptr)

library(ggplot2)

library(datos)

View(datos_credito)

datos.c <- datos_credito

ESTABLECER SEMILLA

set.seed(4495) #sembrar semilla

#TOMAR MUESTRA ALEATORIA 120 REGISTROS

datos.c <- datos_credito

muestra_credito <- sample_n(datos.c, size = 120, replace = FALSE) View(muestra_credito)

#Diagrma de barras #datos.m$ muestra todas las variables de la base de datos.m tabla_frec <- table(muestra_credito$Vivienda) #TABLA DE FRECUENCIAS PARA VIVIENDA

tabla_frec

barplot(tabla_frec , col = c(“#32f002”,“cadetblue1”,“#000”,“#ff2004”,“#f29”,“#ff2”), horiz=FALSE, density=NULL,ylab= “Personas” , border = TRUE, ylim=c(0,60),xlab=“Tipo de persona”,main=“Vivienda”)

tabla_frec_1 <- table(muestra_credito$Trabajo) #TABLA DE FRECUENCIAS PARA VIVIENDA

pie(tabla_frec_1,labels = names(tabla_frec_1), density=NULL,edges = 500, radius = 0.8, col=c(“aquamarine1”,“antiquewhite2”, “purple”,“darkseagreen2”,“#f29”,“#ff2”), clockwise = TRUE, main = “Tipo de personas”, border = “black”)