PRUEBAS DE NORMALIDAD

a <- c(28,26,31,21,21,32,24,26,28,30,26,23,20,28,33,28,33,23,27,31,28,29,34,32,33) b <- c(22,29,24,24,23,23,25,23,33,28,31,23,28,28,26,30,30,28,22,19,29,18,31,28,27) c <- c(23,26,29,28,25,19,22,27,33,22,22,22,15,19,24,25,20,25,34,21,23,18,26,26,23) d <- c(28,28,25,25,25,30,27,28,29,28,25,28,27,28,30,25,28,28,28,30,27,25,25,28,30) e <- c(28,27,28,25,27,28,25,27,29,27,25,25,29,29,29,28,28,25,27,28,28,25,29,25,27) f <- c(25,28,27,29,27,25,25,25,25,27,27,28,28,25,27,27,25,25,27,28,25,28,29,25,27)

listas <- list(a=a, b=b, c=c, d=d, e=e, f=f)

# Histograma hist(a, main=paste(“Histograma de”, a), xlab=“Valores”, col=“lightblue”)

# Q-Q plot qqnorm(a, main=paste(“Q-Q Plot de”, nombre)) qqline(a, col=“orange”)

# Shapiro–Wilk cat(“—- VARIABLE”, a, “—-”) print(shapiro.test(a))

# Histograma hist(b, main=paste(“Histograma de”, b), xlab=“Valores”, col=“pink”)

# Q-Q plot qqnorm(b, main=paste(“Q-Q Plot de”, nombre)) qqline(b, col=“red”)

# Shapiro–Wilk cat(“—- VARIABLE”, b, “—-”) print(shapiro.test(b)) listas <- list(a=a, b=b, c=c, d=d, e=e, f=f)

# Histograma hist(c, main=paste(“Histograma de”, c), xlab=“Valores”, col=“lightgreen”)

# Q-Q plot qqnorm(c, main=paste(“Q-Q Plot de”, nombre)) qqline(c, col=“green”)

# Shapiro–Wilk cat(“—- VARIABLE”, c, “—-”) print(shapiro.test(c))

# Histograma hist(d, main=paste(“Histograma de”, d), xlab=“Valores”, col=“lightyellow”)

# Q-Q plot qqnorm(d, main=paste(“Q-Q Plot de”, nombre)) qqline(d, col=“yellow”)

# Shapiro–Wilk cat(“—- VARIABLE”, d, “—-”) print(shapiro.test(d))
listas <- list(a=a, b=b, c=c, d=d, e=e, f=f)

# Histograma hist(e, main=paste(“Histograma de”, e), xlab=“Valores”, col=“purple”)

# Q-Q plot qqnorm(e, main=paste(“Q-Q Plot de”, nombre)) qqline(e, col=“pink”)

# Shapiro–Wilk cat(“—- VARIABLE”, f, “—-”) print(shapiro.test(e))

# Histograma hist(f, main=paste(“Histograma de”, f), xlab=“Valores”, col=“brown”)

# Q-Q plot qqnorm(f, main=paste(“Q-Q Plot de”, nombre)) qqline(f, col=“orange”)

# Shapiro–Wilk cat(“—- VARIABLE”, e, “—-”) print(shapiro.test(f))

3. ANÁLISIS DE VARIANZA (ANOVA)

A <- c(21,26,31,23,21,30,26,24,22,19) B <- c(32,30,18,27,25,28,27,27,28,22) C <- c(26,20,24,27,21,28,24,27,32,32) D <- c(18,30,24,27,24,21,22,22,28,29)

grupo <- factor(rep(c(“A”,“B”,“C”,“D”), each=10)) valores <- c(A,B,C,D)

ANOVA

anova_model <- aov(valores ~ grupo) summary(anova_model)

Gráfico

boxplot(valores ~ grupo, main = “Comparación de grupos (ANOVA)”, xlab = “Grupos”, ylab = “Valores”, col = c(“lightblue”,“lightgreen”,“lightpink”,“lightyellow”))

4. CORRELACIÓN ENTRE NÚMERO DE POLICÍAS Y DELITOS

policias <- c(4,1,3,6,6,8,3,2) delitos <- c(7,5,4,6,5,4,7,4)

a) Coeficiente de correlación

correlacion <- cor(policias, delitos) correlacion

b) Diagrama de dispersión

plot(policias, delitos, main=“Relación entre policías y delitos”, xlab=“Número de policías”, ylab=“Número de delitos”, pch=19) abline(lm(delitos ~ policias), col=“purple”)