proyecto final
Alejandra Mendoza, Julia Hernandez, Sofia Flores, Alan Monterroso, Jose Guillen
24 de noviembre de 2016
Datasets
Los Datasets más importantes son: vehicle, person, accident. De estas tres se derivan las otras 22 restantes.
Informaci?n general de datasets
- Vehicle : Esta dataset contiene información sobre los datos del vehiculos en los que se sufrio el accidente. Hay datos desde el modelo del automovil hasta las personas que murieron en el mismo.
## [1] "YEAR" "ST_CASE" "VEH_NO" "A_BODY" "A_IMP1" "A_IMP2"
## [7] "A_VROLL" "A_LIC_S" "A_LIC_C" "A_CDL_S" "A_MC_L_S" "A_SPVEH"
## [13] "A_SBUS" "A_MOD_YR" "A_DRDIS" "A_DRDRO"## [1] 48923 16- Person : Esta dataset conttiene la informacion de las personas que sufrieron el accidente, desde la edad, género hasta el hospital que fueron. También da información del estado que se encontraba el conductor (ebriedad, drogas, etc.)
## [1] "A_AGE1" "A_AGE2" "A_AGE3" "A_AGE4" "A_AGE5" "A_AGE6"
## [7] "A_AGE7" "A_AGE8" "A_AGE9" "ST_CASE" "VEH_NO" "PER_NO"
## [13] "YEAR" "A_PTYPE" "A_REST" "A_ALCTES" "A_HISP" "A_RCAT"
## [19] "A_HRACE" "A_EJECT" "A_PERINJ" "A_LOC"## [1] 80587 22- accident : Esta dataset contiene la información del accidente. Por ejemplo hay variables que indican cuantas personas se encontraban en el percance y en qué ruta se sufrio. Al mismo tiempo hay datos como la latitud y longitud, es decir la ubicación exacta del accidente. También hay variables de clima, por lo tanto se puede verificar si existe alguna relación entre el clima y la cantidad de accidentes.
## [1] "YEAR" "STATE" "ST_CASE" "COUNTY" "FATALS"
## [6] "A_CRAINJ" "A_REGION" "A_RU" "A_INTER" "A_RELRD"
## [11] "A_INTSEC" "A_ROADFC" "A_JUNC" "A_MANCOL" "A_TOD"
## [16] "A_DOW" "A_CT" "A_LT" "A_MC" "A_SPCRA"
## [21] "A_PED" "A_PED_F" "A_PEDAL" "A_PEDAL_F" "A_ROLL"
## [26] "A_POLPUR" "A_POSBAC" "A_D15_19" "A_D16_19" "A_D15_20"
## [31] "A_D16_20" "A_D65PLS" "A_D21_24" "A_D16_24" "A_RD"
## [36] "A_HR" "A_DIST" "A_DROWSY"## [1] 32166 38Diccionario de variables
*A_CT: Crash type
*A_D15_19: young driver(15-19)
*a_dist: Distracter driver
*A_Dow: day of week
*A_Roll: Involving a Rollover
*A_SPVEH:Speeding Vehicle
*A_VROll: Rollover
*A_ALCTES:Alcohol testing
*A_TOD:Time of day
Graficas
Crash Type
Young driver 
Distracted Driver
Day of week
RollOver
Speed 
Rollover 
Alcohol Testing 
Time of Day 
EXPLORACIÓN
HIPÓTESIS
PREGUNTA 1.
Ho: En promedio los accidentes que ocurren el día viernes, después de 11 pm son ocasionados por jóvenes de 16-24.
Ha: En promedio los accidentes que ocurren el día viernes, después de 11 pm son ocasionados por adultos de 25- 35 años
| MUJERES | HOMBRES |
|---|---|
| 52598 | 26631 |
##
## One Sample t-test
##
## data: caso1$volume
## t = -483.78, df = 52597, p-value < 2.2e-16
## alternative hypothesis: true mean is not equal to 26300
## 95 percent confidence interval:
## 26299 26299
## sample estimates:
## mean of x
## 26299
##
## One Sample t-test
##
## data: caso2$volume
## t = -171.75, df = 26630, p-value < 2.2e-16
## alternative hypothesis: true mean is not equal to 13316
## 95 percent confidence interval:
## 13315.50 13315.51
## sample estimates:
## mean of x
## 13315.5Rechazamos la hipotesis nula porque p-value(2.2e-16) es menor a 0.05
PREGUNTA 2.
Ho: La proporción de carros que dieron vuelta(rollover) e iban con alta velocidad es mayor que los que no iban con alta velocidad
Ha: La proporción de carros que dieron vuelta(rollover) e iban con baja velocidad es mayor que los que iban con alta velocidad
##
## One Sample t-test
##
## data: cas$volume
## t = 0.1024, df = 8788, p-value = 0.9184
## alternative hypothesis: true mean is not equal to 4394
## 95 percent confidence interval:
## 4393.986 4394.016
## sample estimates:
## mean of x
## 4394.001Fallamos de rechazar la hipotesis nula porque p-value(0.3457) es mayor a 0.05
PREGUNTA 3.
Ho: Carros de marca japonesa ( Honda, Mitsubishi, Nissan, Subaru, Suzuki y Toyota) sufren de más accidentes que otras marcas.(alemanas,americanas, italianas, suecas)
Ha: Carros de marca japonesa ( Honda, Mitsubishi, Nissan, Subaru, Suzuki y Toyota) sufren de menos accidentes que otras marcas (alemanas,americanas, italianas, suecas)
##
## One Sample t-test
##
## data: car$volume
## t = -15534, df = 17999, p-value < 2.2e-16
## alternative hypothesis: true mean is not equal to 9000
## 95 percent confidence interval:
## 8944.993 8945.006
## sample estimates:
## mean of x
## 8945Rechazamos la hipotesis nula porque p-value(2.2e-16) es menor a 0.05
PREGUNTA 4.
Ho:La probabilidad de que ocurran accidentes entre semana es mayor a que ocurran fines de semana
Ha: La probabilidad de que ocurran accidentes entre semana es menor a que ocurran fines de semana
| Fin de Semana | Entre Semana |
|---|---|
| 13133 | 18976 |
##
## One Sample t-test
##
## data: semana1$volume
## t = 0.072397, df = 499, p-value = 0.9423
## alternative hypothesis: true mean is not equal to 250
## 95 percent confidence interval:
## 249.9685 250.0340
## sample estimates:
## mean of x
## 250.0012
##
## One Sample t-test
##
## data: finde2$volume
## t = -0.014809, df = 349, p-value = 0.9882
## alternative hypothesis: true mean is not equal to 175
## 95 percent confidence interval:
## 174.9600 175.0394
## sample estimates:
## mean of x
## 174.9997Fallamos de rechazar la hipotesis nula porque p-value(0.8033) es mayor a 0.05
PREGUNTA 5.
Ho: Los días donde hay más accidentes es en julio, agosto y septiembre & cuando hay menos accidentes es en enero,febrero y marzo.
Ha:Los meses donde hay menos accidentes es en julio, agosto y septiembre & cuando hay más accidentes es en enero,febrero y marzo
## [1] TRUE
##
## One Sample t-test
##
## data: seman$volume
## t = 0.8002, df = 9669, p-value = 0.4236
## alternative hypothesis: true mean is not equal to 4835
## 95 percent confidence interval:
## 4834.996 4835.009
## sample estimates:
## mean of x
## 4835.003Rechazamos la hipotesis nula porque p-value(0.0271) es menor a 0.05
PREGUNTA 6.
Ho: Los que provocan más accidentes bajo la influencia de alcohol/drogas es independiente de la edad
Ha: Los que provocan más accidentes bajo la influencia de alcohol/drogas no es independiente de la edad
Porcentaje de accidentes causados por DROGA
Porcentaje de accidentes causados por ALCOHOL
COMPARACIÓN
| Mujeres-Droga | Mujeres-Alcohol | Hombres-Droga | Hombres-Alcohol |
|---|---|---|---|
| 25553 | 25349 | 13546 | 12876 |
| Mujeres-Droga | Mujeres-Alcohol | Hombres-Droga | Hombres-Alcohol |
|---|---|---|---|
| 2412 | 2350 | 2049 | 2006 |
##
## One Sample t-test
##
## data: menores$volume
## t = -0.0095317, df = 2411, p-value = 0.9924
## alternative hypothesis: true mean is not equal to 1206
## 95 percent confidence interval:
## 1205.986 1206.014
## sample estimates:
## mean of x
## 1206Rechazamos la hipotesis nula porque p-value(0.00988) es menor a 0.05
PREGUNTA 7.
Ho: Los accidentes que se producen por distracción en el celular en proporción son mayores, que los que se producen por falta de sueño
Ha: Los accidentes que se producen por falta de sueño en proporción son mayores, que los que se producen por distracción al celular
## [1] TRUE
##
## One Sample t-test
##
## data: pre$volume
## t = 0.50091, df = 49822, p-value = 0.6164
## alternative hypothesis: true mean is not equal to 24911
## 95 percent confidence interval:
## 24911 24911
## sample estimates:
## mean of x
## 24911Rechazamos la hipotesis nula porque p-value(0.01435) es menor a 0.05
PREGUNTA 8.
Ho: Los accidentes Fatal crash ocurren más en jovenes de 16- 24 años
Ha: Los accidentes Fatal crash ocurren más en adultos mayores de 65 +
## # A tibble: 6 x 38
## YEAR STATE ST_CASE COUNTY FATALS A_CRAINJ A_REGION A_RU A_INTER
## <int> <int> <int> <int> <int> <int> <int> <int> <int>
## 1 2015 1 10005 45 1 1 4 2 2
## 2 2015 1 10011 83 1 1 4 2 2
## 3 2015 1 10012 95 1 1 4 2 2
## 4 2015 1 10014 11 1 1 4 1 2
## 5 2015 1 10019 121 1 1 4 1 2
## 6 2015 1 10029 69 1 1 4 1 2
## # ... with 29 more variables: A_RELRD <int>, A_INTSEC <int>,
## # A_ROADFC <int>, A_JUNC <int>, A_MANCOL <int>, A_TOD <int>,
## # A_DOW <int>, A_CT <int>, A_LT <int>, A_MC <int>, A_SPCRA <int>,
## # A_PED <int>, A_PED_F <int>, A_PEDAL <int>, A_PEDAL_F <int>,
## # A_ROLL <int>, A_POLPUR <int>, A_POSBAC <int>, A_D15_19 <int>,
## # A_D16_19 <int>, A_D15_20 <int>, A_D16_20 <int>, A_D65PLS <int>,
## # A_D21_24 <int>, A_D16_24 <int>, A_RD <int>, A_HR <int>, A_DIST <int>,
## # A_DROWSY <int>## # A tibble: 6 x 38
## YEAR STATE ST_CASE COUNTY FATALS A_CRAINJ A_REGION A_RU A_INTER
## <int> <int> <int> <int> <int> <int> <int> <int> <int>
## 1 2015 1 10036 97 2 1 4 1 2
## 2 2015 1 10048 3 2 1 4 1 2
## 3 2015 1 10125 113 2 1 4 1 2
## 4 2015 1 10127 31 2 1 4 1 2
## 5 2015 1 10180 21 2 1 4 1 2
## 6 2015 1 10199 43 2 1 4 1 2
## # ... with 29 more variables: A_RELRD <int>, A_INTSEC <int>,
## # A_ROADFC <int>, A_JUNC <int>, A_MANCOL <int>, A_TOD <int>,
## # A_DOW <int>, A_CT <int>, A_LT <int>, A_MC <int>, A_SPCRA <int>,
## # A_PED <int>, A_PED_F <int>, A_PEDAL <int>, A_PEDAL_F <int>,
## # A_ROLL <int>, A_POLPUR <int>, A_POSBAC <int>, A_D15_19 <int>,
## # A_D16_19 <int>, A_D15_20 <int>, A_D16_20 <int>, A_D65PLS <int>,
## # A_D21_24 <int>, A_D16_24 <int>, A_RD <int>, A_HR <int>, A_DIST <int>,
## # A_DROWSY <int>
##
## One Sample t-test
##
## data: ocho$volume
## t = -0.79569, df = 17892, p-value = 0.4262
## alternative hypothesis: true mean is not equal to 8945
## 95 percent confidence interval:
## 8944.993 8945.003
## sample estimates:
## mean of x
## 8944.998Fallamoso de rechazar la hipotesis nula porque p-value(0.4768) es mayor a 0.05
PREGUNTA 9.
Ho: Hay diferencia significativa con los accidentes respecto a los rango de edades
Ha:No hay diferencia significativa con los accidentes respecto a los rango de edades (Con un nivel de significancia de 0.05)
## # A tibble: 20 x 38
## YEAR STATE ST_CASE COUNTY FATALS A_CRAINJ A_REGION A_RU A_INTER
## <int> <int> <int> <int> <int> <int> <int> <int> <int>
## 1 2015 1 10005 45 1 1 4 2 2
## 2 2015 1 10012 95 1 1 4 2 2
## 3 2015 1 10019 121 1 1 4 1 2
## 4 2015 1 10029 69 1 1 4 1 2
## 5 2015 1 10036 97 2 1 4 1 2
## 6 2015 1 10040 73 1 1 4 2 2
## 7 2015 1 10048 3 2 1 4 1 2
## 8 2015 1 10056 3 1 1 4 1 2
## 9 2015 1 10062 89 1 1 4 2 2
## 10 2015 1 10066 101 1 1 4 2 2
## 11 2015 1 10069 97 1 1 4 2 2
## 12 2015 1 10109 17 1 1 4 1 2
## 13 2015 1 10111 125 1 1 4 1 2
## 14 2015 1 10117 3 1 1 4 1 1
## 15 2015 1 10119 125 1 1 4 1 2
## 16 2015 1 10121 51 1 1 4 2 2
## 17 2015 1 10127 31 2 1 4 1 2
## 18 2015 1 10129 49 1 1 4 1 2
## 19 2015 1 10136 125 1 1 4 1 2
## 20 2015 1 10137 73 1 1 4 2 2
## # ... with 29 more variables: A_RELRD <int>, A_INTSEC <int>,
## # A_ROADFC <int>, A_JUNC <int>, A_MANCOL <int>, A_TOD <int>,
## # A_DOW <int>, A_CT <int>, A_LT <int>, A_MC <int>, A_SPCRA <int>,
## # A_PED <int>, A_PED_F <int>, A_PEDAL <int>, A_PEDAL_F <int>,
## # A_ROLL <int>, A_POLPUR <int>, A_POSBAC <int>, A_D15_19 <int>,
## # A_D16_19 <int>, A_D15_20 <int>, A_D16_20 <int>, A_D65PLS <int>,
## # A_D21_24 <int>, A_D16_24 <int>, A_RD <int>, A_HR <int>, A_DIST <int>,
## # A_DROWSY <int>## # A tibble: 20 x 38
## YEAR STATE ST_CASE COUNTY FATALS A_CRAINJ A_REGION A_RU A_INTER
## <int> <int> <int> <int> <int> <int> <int> <int> <int>
## 1 2015 1 10011 83 1 1 4 2 2
## 2 2015 1 10014 11 1 1 4 1 2
## 3 2015 1 10046 17 1 1 4 2 1
## 4 2015 1 10051 109 1 1 4 2 2
## 5 2015 1 10057 49 1 1 4 1 2
## 6 2015 1 10060 49 1 1 4 1 2
## 7 2015 1 10067 81 1 1 4 2 2
## 8 2015 1 10071 95 1 1 4 2 2
## 9 2015 1 10080 101 1 1 4 1 2
## 10 2015 1 10086 89 1 1 4 2 2
## 11 2015 1 10088 127 1 1 4 1 2
## 12 2015 1 10092 81 1 1 4 2 2
## 13 2015 1 10101 59 1 1 4 1 2
## 14 2015 1 10125 113 2 1 4 1 2
## 15 2015 1 10134 55 1 1 4 1 2
## 16 2015 1 10138 55 1 1 4 2 2
## 17 2015 1 10158 73 1 1 4 1 2
## 18 2015 1 10163 101 1 1 4 2 2
## 19 2015 1 10169 89 1 1 4 1 2
## 20 2015 1 10170 113 1 1 4 1 2
## # ... with 29 more variables: A_RELRD <int>, A_INTSEC <int>,
## # A_ROADFC <int>, A_JUNC <int>, A_MANCOL <int>, A_TOD <int>,
## # A_DOW <int>, A_CT <int>, A_LT <int>, A_MC <int>, A_SPCRA <int>,
## # A_PED <int>, A_PED_F <int>, A_PEDAL <int>, A_PEDAL_F <int>,
## # A_ROLL <int>, A_POLPUR <int>, A_POSBAC <int>, A_D15_19 <int>,
## # A_D16_19 <int>, A_D15_20 <int>, A_D16_20 <int>, A_D65PLS <int>,
## # A_D21_24 <int>, A_D16_24 <int>, A_RD <int>, A_HR <int>, A_DIST <int>,
## # A_DROWSY <int>
##
## One Sample t-test
##
## data: caso$volume
## t = -0.02976, df = 4752, p-value = 0.9763
## alternative hypothesis: true mean is not equal to 2376.5
## 95 percent confidence interval:
## 2376.49 2376.51
## sample estimates:
## mean of x
## 2376.5Fallamos de rechazar la hipotesis nula porque p-value(0.1674) es mayor a 0.05
PREGUNTA 10.
Ho: En el estado que más choques graves hay es en Mississippi y Dakota del norte y en el Estado que menos choques hay es Washington D.C.
Ha: En el estado que más choques graves hay es en California y en Nevada(por las Vegas) y en el Estado que menos choques hay es en Iowa
## [1] 13133 38## [1] 18976 38
##
## One Sample t-test
##
## data: die$volume
## t = -0.27664, df = 18975, p-value = 0.7821
## alternative hypothesis: true mean is not equal to 9488
## 95 percent confidence interval:
## 9487.992 9488.006
## sample estimates:
## mean of x
## 9487.999