R Notebook

En el seminario de contrucción a cargo la Docente Lina Bonilla, en el que abordará el tratamiento estadistico los trabajos de grado, se inició con una actividad que se describirá a continuación.

Con el fin de tener un grupo de datos de diferente tipo, se realizó una encuesta a todos los 24 estudiantes de clase, a ellos se les pregunto por las variables que se presentan a continuación:

M<-read.csv("LibroEjercicio.csv",sep = ";")
names(M)

 [1] "NOMBRE"          "EDAD"           
 [3] "ESTATURA"        "PESO..Kg."      
 [5] "PROFESIÓN"       "CANT..HIJOS"    
 [7] "ESTRATO"         "CANT..HERMANO"  
 [9] "MATRICULADO"     "ESTADO.CIVIL"   
[11] "LUGAR.DE.ORIGEN" "SEXO"           

Dicha encuesta se realizó preguntando los datos requeridos. De las 24 personas que componen el grupo muestral se tiene la siguiente frecuencia, donde 1 corresponde al número de hombres y 2 al numero de mujeres:

sexo<-M$SEXO
f<-table(sexo)
Nhombres<-f[1]
Nhombres

 1 
10 

Nmujeres<-f[2]
Nmujeres

 2 
14 

El porcentaje de mujeres corresponde a:

PorcentajeMuj<-(Nmujeres/(Nmujeres+Nhombres))*100
PorcentajeMuj

       2 
58.33333 

El porcentaje de hombres corresponde a:

PorcentajeHom<-(Nhombres/(Nmujeres+Nhombres))*100
PorcentajeHom

       1 
41.66667 

La ditribución de edades de las personas encuestadas se muestra a continuación:

edad<-M$EDAD
hist(edad,xlim = c(20,40),main="Histograma edades", xlab="Frecuencia en Número personas",ylab="Edad en años")

A continuación se muestra el análisis del porcentaje de personas solteras:

estcivil<-M$ESTADO.CIVIL
Mestcivil<-table(Estcivil)
solteros<-Mestcivil[1]
casados<-Mestcivil[2]
Porcsolt<-((solteros)/(solteros+casados))*100
Porcsolt

   1 
87.5 

A continuación se presenta el análisis de porcentaje tendencia de hijos que se deben tener en de donde provienen la mayoria?

nhijos<-M$CANT..HIJOS
estrato<-M$ESTRATO
nsihijos<-nhijos[c(nhijos>0)]
estratosihijos<-estrato[c(9,10,14,19,22,24)]
covarianza<-cov(nsihijos,estratosihijos)
covarianza

[1] -0.2666667

correlacion<-cor(nsihijos,estratosihijos)
correlacion

[1] -0.3321819

#psc<-as.logical(nhijos)
#Nhijos<-table(nhijos)

Los valores de covarianza negativos indican que los valores por encima del promedio de una variable están asociados con los valores por debajo del promedio de la otra variable.

El coeficiente de correlación depende de la covarianza. El coeficiente de correlación es igual a la covarianza dividida entre el producto de las desviaciones estándar de las variables. Por lo tanto, una covarianza positiva siempre producirá una correlación positiva y una covarianza negativa siempre generará una correlación negativa.

---

Medidas de tendencia central: Son aquellas que pretenden resumir en un solo valor a un conjunto de valores, reprecentan el centro en torno al cual se encuentran ubicados los datos.

A continuacipon medida de tendencia central para 3 variables (edad, estrato, y número de hijos ): media, moda y mediana

La media aritmetica o promedio se define como la tendencia central de una variable, a continuación se presentan las medias para las variables edad, estrato, y número de hijos

mediaedad<-mean(edad)
mediaestrato<-mean(estrato)
medianhijos<-mean(nhijos)
medias<-c(mediaedad,mediaestrato,medianhijos)
medias

[1] 28.7083333  3.1250000  0.4166667

Esto corresponde a que el promedio de edades es 28,7; el estrato promedio de la población es 3; y el numero de hijos esta entre 0-1.

---

La mediana es el valor de la variable que ocupa la posición central, cuando los datos se disponen en orden de magnitud. Es decir, el 50% de las observaciones tiene valores iguales o inferiores a la mediana y el otro 50% tiene valores iguales o superiores a la mediana.A continuación se presentan las medianas para las variables edad, estrato, y número de hijos:

medianaedad<-median(edad)
medianaestrato<-median(estrato)
mediananhijos<-median(nhijos)
medianas<-c(medianaedad,medianaestrato,mediananhijos)
medianas

[1] 25.5  3.0  0.0

Esto corresponde a que el 50% de la población es menor de 25 años y el 50% es mayor de 25 años; 50% es menor, de la misma manerapertenece al estrato 0 y tienen 0 hijos. _________________________________________________

La moda de una distribución se define como el valor de la variable que más se repite. En un polígono de frecuencia la moda corresponde al valor de la variable que está bajo el punto más alto del gráfico. Una muestra puede tener más de una moda. A continuación se presentan las modas para las variables edad, estrato, y número de hijos:

library(modeest)
modaedad<-mlv(edad)
modaedad

Mode (most frequent value): 23 
Bickel's modal skewness: 0.4166667 
Call: mlv.integer(x = edad) 

modaestrato<-mlv(estrato)
modaestrato

Mode (most frequent value): 3 
Bickel's modal skewness: 0.1666667 
Call: mlv.integer(x = estrato) 

modanhijos<-mlv(nhijos)
modanhijos

Mode (most frequent value): 0 
Bickel's modal skewness: 0.25 
Call: mlv.integer(x = nhijos) 

La moda para la edad corresponde a 23 años, la moda de estrato corresponde al 3, y el número de hijos corresponde a 0. _________________________________________________

Las medidas de dispersión miden el grado de dispersión de los valores de la variable, es decir cuanto difieren los datos entre sí.

La varianza consiste en una medida vinculada a su dispersión. Se trata de la esperanza del cuadrado de la desviación de esa variable considerada frente su media y se mide en una unidad diferente.Se encargan de expresar la variabilidad de una distribución por medio de un número, en los casos en que las diferentes puntuaciones de la variable están muy alejadas de la media. A continuación se presentan la varianza para las variables edad, estrato, y número de hijos:

varedad<-var(edad)
varestrato<-var(estrato)
varnhijos<-var(nhijos)
varianzas<-c(varedad,varestrato,varnhijos)
varianzas

[1] 77.6068841  1.2445652  0.6884058

Por lo cual indica que la variable edad es la que presenta mayor variablidad, mientras que el estrato y el número de hijos, tiene una pequeña variabilidad. ________________________________________________

La desviación estándar también conocida como típica, que representa la magnitud de la dispersión de variables de intervalo y de razón, y resulta muy útil en el campo de la estadística descriptiva. Para obtenerla, simplemente se parte de la varianza y se calcula su raíz cuadrada.A continuación se presentan desviación estándar para las variables edad, estrato, y número de hijos:

deedad<-sd(edad)
deestrato<-sd(estrato)
denhijos<-sd(nhijos)
dest<-c(deedad,deestrato,denhijos)
dest

[1] 8.8094769 1.1156008 0.8297022

Los anteriores Valores correspondes a las desviaciones típicas con respecto a la media, sobre los cuales se mueven los valores de las variables de edad, estrato y número de hijos.

El procedimiento en RStudio que se siguió se presenta a continuación:

sE ABRE EL ARCHIVO SE CARGA EN SESSION, LOAD WORK SPACE Y SE CARGA LA CARPETA QUE SE NECESITA NEW FILE : R NOTEBOOK

SE CARGA EL ARCHIVO CON EL CODIGO M<-read.csv(“LibroEjercicio.csv”)

ctrl enter

PREVIEW USUARIO : bonilla.lina@correounivalle.edu.co Contraseña: seminario