library(htmltab)
A=htmltab(doc="https://es.wikipedia.org/wiki/%C3%8Dndice_global_de_felicidad",
which='//*[@id="mw-content-text"]/div/table')str(A)## 'data.frame': 156 obs. of 9 variables:
## $ № : chr "1" "2" "3" "4" ...
## $ País : chr "Finlandia" "Colombia" "Noruega" "Dinamarca" ...
## $ Puntuación : chr "7.633" "7.594" "7.560" "7.555" ...
## $ PIB per cápita : chr "1.305" "1.456" "1.372" "1.351" ...
## $ Apoyo social : chr "1.592" "1.582" "1.595" "1.590" ...
## $ Esperanza de años de vida saludable : chr "0.874" "0.873" "0.870" "0.868" ...
## $ Libertad para tomar decisiones vitales: chr "0.681" "0.686" "0.685" "0.683" ...
## $ Generosidad : chr "0.192" "0.286" "0.285" "0.284" ...
## $ Percepción de la corrupción : chr "0.393" "0.130" "0.410" "0.408" ...A[,c(3,4,5,6,7,8,9)]=lapply(A[,c(3,4,5,6,7,8,9)], as.numeric)
A$País=as.factor (A$País)str(A)## 'data.frame': 156 obs. of 9 variables:
## $ № : chr "1" "2" "3" "4" ...
## $ País : Factor w/ 155 levels "Afganistán","Albania",..: 50 34 106 39 67 137 108 28 107 136 ...
## $ Puntuación : num 7.63 7.59 7.56 7.55 7.5 ...
## $ PIB per cápita : num 1.3 1.46 1.37 1.35 1.34 ...
## $ Apoyo social : num 1.59 1.58 1.59 1.59 1.64 ...
## $ Esperanza de años de vida saludable : num 0.874 0.873 0.87 0.868 0.914 0.927 0.878 0.896 0.876 0.913 ...
## $ Libertad para tomar decisiones vitales: num 0.681 0.686 0.685 0.683 0.677 0.66 0.638 0.653 0.669 0.659 ...
## $ Generosidad : num 0.192 0.286 0.285 0.284 0.353 0.256 0.333 0.321 0.365 0.285 ...
## $ Percepción de la corrupción : num 0.393 0.13 0.41 0.408 0.138 0.357 0.295 0.291 0.389 0.383 ...names(A)## [1] "№"
## [2] "País"
## [3] "Puntuación"
## [4] "PIB per cápita"
## [5] "Apoyo social"
## [6] "Esperanza de años de vida saludable"
## [7] "Libertad para tomar decisiones vitales"
## [8] "Generosidad"
## [9] "Percepción de la corrupción"names(A)[4]="pbipercapita"names(A)## [1] "№"
## [2] "País"
## [3] "Puntuación"
## [4] "pbipercapita"
## [5] "Apoyo social"
## [6] "Esperanza de años de vida saludable"
## [7] "Libertad para tomar decisiones vitales"
## [8] "Generosidad"
## [9] "Percepción de la corrupción"library(dlookr)## Loading required package: mice## Loading required package: lattice##
## Attaching package: 'mice'## The following objects are masked from 'package:base':
##
## cbind, rbind## Registered S3 method overwritten by 'xts':
## method from
## as.zoo.xts zoo## Registered S3 method overwritten by 'quantmod':
## method from
## as.zoo.data.frame zoo## Registered S3 methods overwritten by 'car':
## method from
## influence.merMod lme4
## cooks.distance.influence.merMod lme4
## dfbeta.influence.merMod lme4
## dfbetas.influence.merMod lme4## Warning in fun(libname, pkgname): couldn't connect to display ":0"##
## Attaching package: 'dlookr'## The following object is masked from 'package:base':
##
## transformnormality(A)## Warning: `cols` is now required.
## Please use `cols = c(statistic)`## # A tibble: 7 x 4
## vars statistic p_value sample
## <chr> <dbl> <dbl> <dbl>
## 1 Puntuación 0.984 6.48e- 2 156
## 2 pbipercapita 0.977 1.18e- 2 156
## 3 Apoyo social 0.917 8.71e- 8 156
## 4 Esperanza de años de vida saludable 0.954 5.15e- 5 156
## 5 Libertad para tomar decisiones vitales 0.946 1.13e- 5 156
## 6 Generosidad 0.960 1.79e- 4 156
## 7 Percepción de la corrupción 0.814 8.49e-13 156utilizamos no normalidsad
library(ggpubr)## Loading required package: ggplot2## Loading required package: magrittrs4=ggscatter(A,
x = "pbipercapita", y = "Generosidad",
cor.coef = TRUE,
cor.method = "spearman")
s4
ES MAYOR A 0.05.NO HAY CORRELACIÓN..SE acepta LA HIPOTESIS NULA.CERCA AL 0.05 ES DEBIL Y DIRECTA
La relación entre esperanza de años de vida saludable y percepcion de la corrupcióN
names(A)[6]="esperanza"names(A)[9]="percepcion"names(A)## [1] "№"
## [2] "País"
## [3] "Puntuación"
## [4] "pbipercapita"
## [5] "Apoyo social"
## [6] "esperanza"
## [7] "Libertad para tomar decisiones vitales"
## [8] "Generosidad"
## [9] "percepcion"library(dlookr)
normality(A)## Warning: `cols` is now required.
## Please use `cols = c(statistic)`## # A tibble: 7 x 4
## vars statistic p_value sample
## <chr> <dbl> <dbl> <dbl>
## 1 Puntuación 0.984 6.48e- 2 156
## 2 pbipercapita 0.977 1.18e- 2 156
## 3 Apoyo social 0.917 8.71e- 8 156
## 4 esperanza 0.954 5.15e- 5 156
## 5 Libertad para tomar decisiones vitales 0.946 1.13e- 5 156
## 6 Generosidad 0.960 1.79e- 4 156
## 7 percepcion 0.814 8.49e-13 156utilizamos no normalidsad
library(ggpubr)
s4=ggscatter(A,
x = "esperanza", y = "percepcion",
cor.coef = TRUE,
cor.method = "spearman")
s4
ES Menor A 0.05.si HAY CORRELACIÓN..SE RECHAZA LA HIPOTESIS NULA.CERCA AL 0.05 ES DEBIL Y DIRECTA Si tomamos de nuestras variable de interés a percepcion de la corrupción como la dependiente, y a las demás como las independientes, puede concluir que:
“№” “País”
[3] “Puntuación” “pbipercapita”
[5] “Apoyo social” “esperanza”
[7] “Libertad para tomar decisiones vitales” “Generosidad”
[9] “percepcion”
names(A)[5]="apoyo"names(A)[7]="libertad"names(A)## [1] "№" "País" "Puntuación" "pbipercapita"
## [5] "apoyo" "esperanza" "libertad" "Generosidad"
## [9] "percepcion"todasLasHipoyControl=lm(percepcion~País+Puntuación+pbipercapita+apoyo+esperanza+libertad+Generosidad+libertad, data=A)
summary(todasLasHipoyControl)##
## Call:
## lm(formula = percepcion ~ País + Puntuación + pbipercapita +
## apoyo + esperanza + libertad + Generosidad + libertad, data = A)
##
## Residuals:
## ALL 156 residuals are 0: no residual degrees of freedom!
##
## Coefficients: (5 not defined because of singularities)
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 0.633262 NA NA NA
## PaísAlbania 0.152880 NA NA NA
## PaísAlemania 0.792093 NA NA NA
## PaísAngola 0.051804 NA NA NA
## PaísArabia Saudí 0.541413 NA NA NA
## PaísArgelia 0.372471 NA NA NA
## PaísArgentina 0.471209 NA NA NA
## PaísArmenia 0.105302 NA NA NA
## PaísAustralia 0.864578 NA NA NA
## PaísAustria 0.764707 NA NA NA
## PaísAzerbaiyán 0.398013 NA NA NA
## PaísBahréin 0.493671 NA NA NA
## PaísBangladesh 0.250738 NA NA NA
## PaísBélgica 0.745844 NA NA NA
## PaísBelice 0.435169 NA NA NA
## PaísBenín 0.114702 NA NA NA
## PaísBielorrusia 0.422387 NA NA NA
## PaísBolivia 0.366622 NA NA NA
## PaísBosnia y Herzegovina 0.210173 NA NA NA
## PaísBotsuana 0.049093 NA NA NA
## PaísBrasil 0.510307 NA NA NA
## PaísBulgaria 0.186942 NA NA NA
## PaísBurkina Faso 0.222240 NA NA NA
## PaísBurundi -0.079551 NA NA NA
## PaísBután 0.373444 NA NA NA
## PaísCamboya 0.160720 NA NA NA
## PaísCamerún 0.227849 NA NA NA
## PaísCanadá 0.862787 NA NA NA
## PaísChad 0.134013 NA NA NA
## PaísChile 0.492680 NA NA NA
## PaísChina 0.332413 NA NA NA
## PaísChipre 0.349267 NA NA NA
## PaísChipre del Norte 0.480271 NA NA NA
## PaísColombia 0.745529 NA NA NA
## PaísCorea del Sur 0.383849 NA NA NA
## PaísCosta de Marfil 0.237858 NA NA NA
## PaísCosta Rica 0.630689 NA NA NA
## PaísCroacia 0.280747 NA NA NA
## PaísDinamarca 1.017116 NA NA NA
## PaísEcuador 0.468964 NA NA NA
## PaísEgipto 0.200418 NA NA NA
## PaísEl Salvador 0.462867 NA NA NA
## PaísEmiratos Árabes Unidos 0.596684 NA NA NA
## PaísEslovaquia 0.395853 NA NA NA
## PaísEspaña 0.478382 NA NA NA
## PaísEstados Unidos 0.632102 NA NA NA
## PaísEstonia 0.484484 NA NA NA
## PaísEtiopía 0.228071 NA NA NA
## PaísFilipinas 0.380129 NA NA NA
## PaísFinlandia 1.014942 NA NA NA
## PaísFrancia 0.609818 NA NA NA
## PaísGabón 0.201164 NA NA NA
## PaísGeorgia 0.295427 NA NA NA
## PaísGhana 0.161556 NA NA NA
## PaísGrecia 0.291831 NA NA NA
## PaísGuatemala 0.487222 NA NA NA
## PaísGuinea 0.112596 NA NA NA
## PaísHaití 0.059778 NA NA NA
## PaísHonduras 0.345840 NA NA NA
## PaísHong Kong 0.550671 NA NA NA
## PaísHungría 0.312916 NA NA NA
## PaísIndia 0.148760 NA NA NA
## PaísIndonesia 0.222253 NA NA NA
## PaísIrán 0.269778 NA NA NA
## PaísIraq 0.194502 NA NA NA
## PaísIrlanda 0.820067 NA NA NA
## PaísIslandia 0.737249 NA NA NA
## PaísIsrael 0.631093 NA NA NA
## PaísItalia 0.381404 NA NA NA
## PaísJamaica 0.366316 NA NA NA
## PaísJapón 0.489427 NA NA NA
## PaísJordania 0.349436 NA NA NA
## PaísKazajistán 0.439871 NA NA NA
## PaísKenia 0.146938 NA NA NA
## PaísKirguistán 0.245502 NA NA NA
## PaísKosovo 0.320822 NA NA NA
## PaísKuwait 0.473053 NA NA NA
## PaísLaos 0.300964 NA NA NA
## PaísLesoto 0.104942 NA NA NA
## PaísLetonia 0.408387 NA NA NA
## PaísLíbano 0.255684 NA NA NA
## PaísLiberia -0.028529 NA NA NA
## PaísLibia 0.430036 NA NA NA
## PaísLituania 0.351511 NA NA NA
## PaísLuxemburgo 0.824049 NA NA NA
## PaísMacedonia 0.271382 NA NA NA
## PaísMadagascar 0.036351 NA NA NA
## PaísMalasia 0.465356 NA NA NA
## PaísMalawi 0.036600 NA NA NA
## PaísMali 0.154022 NA NA NA
## PaísMalta 0.598511 NA NA NA
## PaísMarruecos 0.304729 NA NA NA
## PaísMauricio 0.385480 NA NA NA
## PaísMauritania 0.176058 NA NA NA
## PaísMéxico 0.528653 NA NA NA
## PaísMoldavia 0.294204 NA NA NA
## PaísMongolia 0.241516 NA NA NA
## PaísMontenegro 0.327022 NA NA NA
## PaísMozambique 0.251089 NA NA NA
## PaísMyanmar 0.253164 NA NA NA
## PaísNamibia 0.161036 NA NA NA
## PaísNepal 0.247227 NA NA NA
## PaísNicaragua 0.504591 NA NA NA
## PaísNíger 0.150813 NA NA NA
## PaísNigeria 0.246449 NA NA NA
## PaísNoruega 1.019938 NA NA NA
## PaísNueva Zelanda 0.960129 NA NA NA
## PaísPaíses Bajos 0.885369 NA NA NA
## PaísPakistán 0.379578 NA NA NA
## PaísPalestina 0.222698 NA NA NA
## PaísPanamá 0.487116 NA NA NA
## PaísParaguay 0.374947 NA NA NA
## PaísPerú 0.331987 NA NA NA
## PaísPolonia 0.437631 NA NA NA
## PaísPortugal 0.273382 NA NA NA
## PaísQatar 0.585907 NA NA NA
## PaísReino Unido 0.759262 NA NA NA
## PaísRepública Centroafricana -0.088280 NA NA NA
## PaísRepública Checa 0.504324 NA NA NA
## PaísRepública del Congo 0.193440 NA NA NA
## PaísRepública Democrática del Congo 0.116804 NA NA NA
## PaísRepública Dominicana 0.344622 NA NA NA
## PaísRuanda 0.371164 NA NA NA
## PaísRumanía 0.345360 NA NA NA
## PaísRusia 0.347160 NA NA NA
## PaísSenegal 0.210280 NA NA NA
## PaísSerbia 0.297409 NA NA NA
## PaísSierra Leona 0.171413 NA NA NA
## PaísSingapur 0.866809 NA NA NA
## PaísSiria 0.080044 NA NA NA
## PaísSomalia 0.468000 NA NA NA
## PaísSri Lanka 0.151969 NA NA NA
## PaísSudáfrica 0.199573 NA NA NA
## PaísSudán 0.129373 NA NA NA
## PaísSudán del Sur 0.007840 NA NA NA
## PaísSuecia 0.952484 NA NA NA
## PaísSuiza 0.954933 NA NA NA
## PaísTailandia 0.394244 NA NA NA
## PaísTaiwán 0.503924 NA NA NA
## PaísTanzania 0.006898 NA NA NA
## PaísTayikistán 0.383831 NA NA NA
## PaísTogo 0.125351 NA NA NA
## PaísTrinidad y Tobago 0.403978 NA NA NA
## PaísTúnez 0.184867 NA NA NA
## PaísTurkmenistán 0.330547 NA NA NA
## PaísTurquía 0.377387 NA NA NA
## PaísUcrania 0.052453 NA NA NA
## PaísUganda 0.111991 NA NA NA
## PaísUruguay 0.570729 NA NA NA
## PaísUzbekistán 0.628191 NA NA NA
## PaísVenezuela 0.209058 NA NA NA
## PaísVietnam 0.284898 NA NA NA
## PaísYemen -0.017551 NA NA NA
## PaísZambia 0.168511 NA NA NA
## PaísZimbabue 0.072867 NA NA NA
## Puntuación -0.164444 NA NA NA
## pbipercapita NA NA NA NA
## apoyo NA NA NA NA
## esperanza NA NA NA NA
## libertad NA NA NA NA
## Generosidad NA NA NA NA
##
## Residual standard error: NaN on 0 degrees of freedom
## Multiple R-squared: 1, Adjusted R-squared: NaN
## F-statistic: NaN on 155 and 0 DF, p-value: NAtodasLasHipoyControl##
## Call:
## lm(formula = percepcion ~ País + Puntuación + pbipercapita +
## apoyo + esperanza + libertad + Generosidad + libertad, data = A)
##
## Coefficients:
## (Intercept) PaísAlbania
## 0.633262 0.152880
## PaísAlemania PaísAngola
## 0.792093 0.051804
## PaísArabia Saudí PaísArgelia
## 0.541413 0.372471
## PaísArgentina PaísArmenia
## 0.471209 0.105302
## PaísAustralia PaísAustria
## 0.864578 0.764707
## PaísAzerbaiyán PaísBahréin
## 0.398013 0.493671
## PaísBangladesh PaísBélgica
## 0.250738 0.745844
## PaísBelice PaísBenín
## 0.435169 0.114702
## PaísBielorrusia PaísBolivia
## 0.422387 0.366622
## PaísBosnia y Herzegovina PaísBotsuana
## 0.210173 0.049093
## PaísBrasil PaísBulgaria
## 0.510307 0.186942
## PaísBurkina Faso PaísBurundi
## 0.222240 -0.079551
## PaísBután PaísCamboya
## 0.373444 0.160720
## PaísCamerún PaísCanadá
## 0.227849 0.862787
## PaísChad PaísChile
## 0.134013 0.492680
## PaísChina PaísChipre
## 0.332413 0.349267
## PaísChipre del Norte PaísColombia
## 0.480271 0.745529
## PaísCorea del Sur PaísCosta de Marfil
## 0.383849 0.237858
## PaísCosta Rica PaísCroacia
## 0.630689 0.280747
## PaísDinamarca PaísEcuador
## 1.017116 0.468964
## PaísEgipto PaísEl Salvador
## 0.200418 0.462867
## PaísEmiratos Árabes Unidos PaísEslovaquia
## 0.596684 0.395853
## PaísEspaña PaísEstados Unidos
## 0.478382 0.632102
## PaísEstonia PaísEtiopía
## 0.484484 0.228071
## PaísFilipinas PaísFinlandia
## 0.380129 1.014942
## PaísFrancia PaísGabón
## 0.609818 0.201164
## PaísGeorgia PaísGhana
## 0.295427 0.161556
## PaísGrecia PaísGuatemala
## 0.291831 0.487222
## PaísGuinea PaísHaití
## 0.112596 0.059778
## PaísHonduras PaísHong Kong
## 0.345840 0.550671
## PaísHungría PaísIndia
## 0.312916 0.148760
## PaísIndonesia PaísIrán
## 0.222253 0.269778
## PaísIraq PaísIrlanda
## 0.194502 0.820067
## PaísIslandia PaísIsrael
## 0.737249 0.631093
## PaísItalia PaísJamaica
## 0.381404 0.366316
## PaísJapón PaísJordania
## 0.489427 0.349436
## PaísKazajistán PaísKenia
## 0.439871 0.146938
## PaísKirguistán PaísKosovo
## 0.245502 0.320822
## PaísKuwait PaísLaos
## 0.473053 0.300964
## PaísLesoto PaísLetonia
## 0.104942 0.408387
## PaísLíbano PaísLiberia
## 0.255684 -0.028529
## PaísLibia PaísLituania
## 0.430036 0.351511
## PaísLuxemburgo PaísMacedonia
## 0.824049 0.271382
## PaísMadagascar PaísMalasia
## 0.036351 0.465356
## PaísMalawi PaísMali
## 0.036600 0.154022
## PaísMalta PaísMarruecos
## 0.598511 0.304729
## PaísMauricio PaísMauritania
## 0.385480 0.176058
## PaísMéxico PaísMoldavia
## 0.528653 0.294204
## PaísMongolia PaísMontenegro
## 0.241516 0.327022
## PaísMozambique PaísMyanmar
## 0.251089 0.253164
## PaísNamibia PaísNepal
## 0.161036 0.247227
## PaísNicaragua PaísNíger
## 0.504591 0.150813
## PaísNigeria PaísNoruega
## 0.246449 1.019938
## PaísNueva Zelanda PaísPaíses Bajos
## 0.960129 0.885369
## PaísPakistán PaísPalestina
## 0.379578 0.222698
## PaísPanamá PaísParaguay
## 0.487116 0.374947
## PaísPerú PaísPolonia
## 0.331987 0.437631
## PaísPortugal PaísQatar
## 0.273382 0.585907
## PaísReino Unido PaísRepública Centroafricana
## 0.759262 -0.088280
## PaísRepública Checa PaísRepública del Congo
## 0.504324 0.193440
## PaísRepública Democrática del Congo PaísRepública Dominicana
## 0.116804 0.344622
## PaísRuanda PaísRumanía
## 0.371164 0.345360
## PaísRusia PaísSenegal
## 0.347160 0.210280
## PaísSerbia PaísSierra Leona
## 0.297409 0.171413
## PaísSingapur PaísSiria
## 0.866809 0.080044
## PaísSomalia PaísSri Lanka
## 0.468000 0.151969
## PaísSudáfrica PaísSudán
## 0.199573 0.129373
## PaísSudán del Sur PaísSuecia
## 0.007840 0.952484
## PaísSuiza PaísTailandia
## 0.954933 0.394244
## PaísTaiwán PaísTanzania
## 0.503924 0.006898
## PaísTayikistán PaísTogo
## 0.383831 0.125351
## PaísTrinidad y Tobago PaísTúnez
## 0.403978 0.184867
## PaísTurkmenistán PaísTurquía
## 0.330547 0.377387
## PaísUcrania PaísUganda
## 0.052453 0.111991
## PaísUruguay PaísUzbekistán
## 0.570729 0.628191
## PaísVenezuela PaísVietnam
## 0.209058 0.284898
## PaísYemen PaísZambia
## -0.017551 0.168511
## PaísZimbabue Puntuación
## 0.072867 -0.164444
## pbipercapita apoyo
## NA NA
## esperanza libertad
## NA NA
## Generosidad
## NAlink="https://docs.google.com/spreadsheets/d/e/2PACX-1vTiJ_lyQF-yfGWaMhKEy1_5p3q-mu5tNZjt6brQiHxPmjJ9z4G94ejn8h5SioFdZGvFNRpxKUuU52Uavhao2NQ/pub?output=csv"
A=read.csv("https://docs.google.com/spreadsheets/d/e/2PACX-1vTiJ_lyQF-yfGWaMhKEy1_5p3q-mu5tNZjt6brQiHxPmjJ9z4G94ejn8h5SioFdZGvFNRpxKUuU52Uavhao2NQ/pub?output=csv",stringsAsFactors = F)names(A)## [1] "regionUbigeo" "provinciaUbigeo" "PROVINCIA"
## [4] "IDE" "identidad" "salud"
## [7] "educacion" "saneamiento" "electrificacion"
## [10] "poblacion" "costa" "capital"
## [13] "tamano"str(A)## 'data.frame': 195 obs. of 13 variables:
## $ regionUbigeo : int 10000 10000 10000 10000 10000 10000 10000 20000 20000 20000 ...
## $ provinciaUbigeo: int 10100 10200 10300 10400 10500 10600 10700 20100 20200 20300 ...
## $ PROVINCIA : chr "CHACHAPOYAS" "BAGUA" "BONGARA" "CONDORCANQUI" ...
## $ IDE : num 0.774 0.662 0.632 0.46 0.605 ...
## $ identidad : num 98.6 94.6 97.5 86.2 96.2 ...
## $ salud : num 25.45 14.61 9.01 8.56 12.42 ...
## $ educacion : num 91.5 79.8 76.4 52.2 74.7 ...
## $ saneamiento : num 70.3 64.5 54.8 37.7 43.3 ...
## $ electrificacion: num 84 67.9 72.2 39.5 67.4 ...
## $ poblacion : int 54783 77438 32317 51802 52185 30236 118747 161003 7974 16879 ...
## $ costa : chr "NO" "NO" "NO" "NO" ...
## $ capital : chr "SI" "NO" "NO" "NO" ...
## $ tamano : chr "Pequena" "Pequena" "Muy pequena" "Pequena" ...A[,c(3,11,12)]=lapply(A[,c(3,11,12)],as.factor)
A$tamano=as.ordered(A$tamano)str(A)## 'data.frame': 195 obs. of 13 variables:
## $ regionUbigeo : int 10000 10000 10000 10000 10000 10000 10000 20000 20000 20000 ...
## $ provinciaUbigeo: int 10100 10200 10300 10400 10500 10600 10700 20100 20200 20300 ...
## $ PROVINCIA : Factor w/ 195 levels "ABANCAY","ACOBAMBA",..: 46 19 24 59 116 156 186 90 4 11 ...
## $ IDE : num 0.774 0.662 0.632 0.46 0.605 ...
## $ identidad : num 98.6 94.6 97.5 86.2 96.2 ...
## $ salud : num 25.45 14.61 9.01 8.56 12.42 ...
## $ educacion : num 91.5 79.8 76.4 52.2 74.7 ...
## $ saneamiento : num 70.3 64.5 54.8 37.7 43.3 ...
## $ electrificacion: num 84 67.9 72.2 39.5 67.4 ...
## $ poblacion : int 54783 77438 32317 51802 52185 30236 118747 161003 7974 16879 ...
## $ costa : Factor w/ 2 levels "NO","SI": 1 1 1 1 1 1 1 1 1 1 ...
## $ capital : Factor w/ 2 levels "NO","SI": 2 1 1 1 1 1 1 2 1 1 ...
## $ tamano : Ord.factor w/ 5 levels "Grande"<"Mediana"<..: 5 5 4 5 5 4 2 2 4 4 ...saneamiento y cost n-c HO:No hay diferencia entre medias.
f1=formula(saneamiento ~ electrificacion)
aggregate(f1, A,mean)## electrificacion saneamiento
## 1 33.8304 25.54080
## 2 36.6195 54.22290
## 3 37.2551 45.89920
## 4 39.4891 37.71450
## 5 41.1786 56.48120
## 6 41.6769 31.86840
## 7 42.1461 51.95570
## 8 42.5136 23.82820
## 9 43.0686 35.90750
## 10 43.0746 39.43970
## 11 43.8284 66.24240
## 12 44.2322 36.39760
## 13 44.2572 39.52550
## 14 45.9765 55.08600
## 15 47.0695 30.52930
## 16 47.3965 48.11290
## 17 47.7474 29.43360
## 18 48.7369 32.07780
## 19 49.1357 49.45220
## 20 49.1445 41.52600
## 21 50.5428 36.21010
## 22 50.9721 66.33630
## 23 51.0685 45.58740
## 24 51.3883 51.67090
## 25 51.7253 13.24250
## 26 51.9452 45.14080
## 27 53.1603 61.88340
## 28 53.4704 0.23510
## 29 53.7286 31.28540
## 30 54.9378 49.76400
## 31 55.2410 61.65780
## 32 55.2726 64.64450
## 33 56.2698 20.87720
## 34 56.9302 41.15140
## 35 56.9772 26.85770
## 36 57.4631 45.85110
## 37 57.4942 33.98800
## 38 58.0174 23.21980
## 39 58.1530 34.09640
## 40 58.3943 13.79000
## 41 58.5684 68.08060
## 42 58.9619 51.46710
## 43 59.0290 47.25780
## 44 59.3830 24.04300
## 45 59.8291 39.59060
## 46 59.8946 13.24300
## 47 60.6210 32.46400
## 48 61.2204 74.77040
## 49 61.2970 61.52440
## 50 61.3319 51.83650
## 51 61.5461 39.61350
## 52 61.9291 57.17510
## 53 62.6859 25.58360
## 54 62.8870 63.47640
## 55 63.1177 52.51950
## 56 63.3166 42.73550
## 57 63.3287 29.57680
## 58 63.5913 33.66000
## 59 63.6509 25.28350
## 60 63.7385 53.17250
## 61 63.8324 50.23090
## 62 64.3249 51.33580
## 63 64.8231 50.31930
## 64 65.0074 60.83580
## 65 65.0632 37.07030
## 66 65.2231 41.00230
## 67 65.8977 36.76250
## 68 66.0007 44.49090
## 69 66.0037 40.91970
## 70 66.7366 58.11230
## 71 66.8591 46.32030
## 72 67.3961 43.34840
## 73 67.3993 53.18570
## 74 67.4349 39.99440
## 75 67.5461 46.50180
## 76 67.9146 64.47900
## 77 68.1171 52.44790
## 78 68.3959 67.37760
## 79 68.6068 59.98360
## 80 69.3787 46.88210
## 81 69.4167 41.93390
## 82 69.6481 38.40420
## 83 70.5703 48.23930
## 84 70.7030 58.93060
## 85 70.8055 51.53530
## 86 71.1088 27.83330
## 87 71.3466 37.34010
## 88 71.3575 58.45410
## 89 71.7650 42.74680
## 90 72.1693 54.83410
## 91 72.3053 73.09460
## 92 72.7025 75.55260
## 93 72.9106 34.55560
## 94 73.3596 34.70870
## 95 73.4589 72.53880
## 96 73.7554 45.20470
## 97 73.8765 48.91810
## 98 74.2923 67.11840
## 99 74.2986 52.33770
## 100 74.3133 43.60770
## 101 74.4212 76.31140
## 102 74.5507 43.30830
## 103 74.8067 67.57970
## 104 74.8972 73.65970
## 105 74.9002 38.39280
## 106 74.9025 68.72540
## 107 74.9557 44.66000
## 108 74.9612 65.53530
## 109 75.1098 25.91380
## 110 75.1775 43.01370
## 111 75.1853 63.44130
## 112 75.8022 52.65290
## 113 75.8978 33.51480
## 114 76.2223 27.09760
## 115 76.4138 69.34500
## 116 76.6230 51.63750
## 117 76.7208 31.17210
## 118 76.7748 44.74780
## 119 76.8762 70.45900
## 120 76.9919 73.41540
## 121 77.1370 72.38700
## 122 78.1668 52.64360
## 123 78.4647 36.92680
## 124 78.7176 73.97730
## 125 79.0064 56.48590
## 126 79.1220 47.78410
## 127 79.1416 61.38500
## 128 79.4966 58.28820
## 129 79.6273 28.86520
## 130 80.0751 60.09360
## 131 80.1392 61.69290
## 132 80.1798 84.93060
## 133 80.1926 77.95170
## 134 80.7373 84.75160
## 135 81.1197 71.02270
## 136 81.2415 91.18030
## 137 81.4494 59.79190
## 138 82.1882 23.28580
## 139 82.6588 58.96270
## 140 82.8930 82.96740
## 141 83.1976 58.16590
## 142 83.6063 85.13200
## 143 83.9712 70.34540
## 144 83.9755 72.29700
## 145 84.5340 40.11120
## 146 84.7600 77.85380
## 147 85.2715 76.52160
## 148 85.4381 86.35010
## 149 85.9357 57.29830
## 150 86.4489 40.41360
## 151 86.5741 64.11320
## 152 86.7715 42.85110
## 153 86.8348 43.53970
## 154 86.8584 65.45690
## 155 86.8764 83.15030
## 156 86.9098 73.29790
## 157 87.2830 54.03180
## 158 87.4196 77.67780
## 159 87.5310 76.12440
## 160 87.6444 75.25660
## 161 87.8770 81.95720
## 162 87.9527 84.22270
## 163 88.1771 58.58590
## 164 88.1845 78.03630
## 165 88.2205 84.16630
## 166 88.5203 70.10590
## 167 88.7237 85.14700
## 168 89.9645 96.99440
## 169 90.1695 82.13310
## 170 90.3163 74.30720
## 171 90.5064 63.00110
## 172 90.6086 55.88570
## 173 90.6684 85.17710
## 174 90.6861 52.70990
## 175 90.9563 94.26600
## 176 91.1852 62.18840
## 177 91.5730 75.58760
## 178 92.5200 92.63180
## 179 93.1496 82.93260
## 180 93.4183 83.97540
## 181 93.9171 80.84630
## 182 93.9844 84.51230
## 183 94.8395 85.41770
## 184 95.2144 95.87660
## 185 95.5041 85.39350
## 186 96.0229 98.06140
## 187 96.2817 88.62810
## 188 97.8951 95.54080
## 189 98.7497 59.22730
## 190 99.2529 93.04320
## 191 99.5000 89.138762.SHAPIRO WILK:(NOS INDICA LA PROBABILIDAD) Ho: la hipotesis nula es que la variable se distribuye normalmente.
Ha=formula(electrificacion ~ saneamiento)
aggregate(Ha, data=A,median) ## saneamiento electrificacion
## 1 0.2351 53.4704
## 2 13.2425 51.7253
## 3 13.2430 59.8946
## 4 13.7900 58.3943
## 5 20.8772 56.2698
## 6 23.2198 58.0174
## 7 23.2858 82.1882
## 8 23.8282 42.5136
## 9 24.0430 59.3830
## 10 25.2835 63.6509
## 11 25.5408 33.8304
## 12 25.5836 62.6859
## 13 25.9138 75.1098
## 14 26.8577 56.9772
## 15 27.0976 76.2223
## 16 27.8333 71.1088
## 17 28.8652 79.6273
## 18 29.4336 47.7474
## 19 29.5768 63.3287
## 20 30.5293 47.0695
## 21 31.1721 76.7208
## 22 31.2854 53.7286
## 23 31.8684 41.6769
## 24 32.0778 48.7369
## 25 32.4640 60.6210
## 26 33.5148 75.8978
## 27 33.6600 63.5913
## 28 33.9880 57.4942
## 29 34.0964 58.1530
## 30 34.5556 72.9106
## 31 34.7087 73.3596
## 32 35.9075 43.0686
## 33 36.2101 50.5428
## 34 36.3976 44.2322
## 35 36.7625 65.8977
## 36 36.9268 78.4647
## 37 37.0703 65.0632
## 38 37.3401 71.3466
## 39 37.7145 39.4891
## 40 38.3928 74.9002
## 41 38.4042 69.6481
## 42 39.4397 43.0746
## 43 39.5255 44.2572
## 44 39.5906 59.8291
## 45 39.6135 61.5461
## 46 39.9944 67.4349
## 47 40.1112 84.5340
## 48 40.4136 86.4489
## 49 40.9197 66.0037
## 50 41.0023 65.2231
## 51 41.1514 56.9302
## 52 41.5260 49.1445
## 53 41.9339 69.4167
## 54 42.7355 63.3166
## 55 42.7468 71.7650
## 56 42.8511 86.7715
## 57 43.0137 75.1775
## 58 43.3083 74.5507
## 59 43.3484 67.3961
## 60 43.5397 86.8348
## 61 43.6077 74.3133
## 62 44.4909 66.0007
## 63 44.6600 74.9557
## 64 44.7478 76.7748
## 65 45.1408 51.9452
## 66 45.2047 73.7554
## 67 45.5874 51.0685
## 68 45.8511 57.4631
## 69 45.8992 37.2551
## 70 46.3203 66.8591
## 71 46.5018 67.5461
## 72 46.8821 69.3787
## 73 47.2578 59.0290
## 74 47.7841 79.1220
## 75 48.1129 47.3965
## 76 48.2393 70.5703
## 77 48.9181 73.8765
## 78 49.4522 49.1357
## 79 49.7640 54.9378
## 80 50.2309 63.8324
## 81 50.3193 64.8231
## 82 51.3358 64.3249
## 83 51.4671 58.9619
## 84 51.5353 70.8055
## 85 51.6375 76.6230
## 86 51.6709 51.3883
## 87 51.8365 61.3319
## 88 51.9557 42.1461
## 89 52.3377 74.2986
## 90 52.4479 68.1171
## 91 52.5195 63.1177
## 92 52.6436 78.1668
## 93 52.6529 75.8022
## 94 52.7099 90.6861
## 95 53.1725 63.7385
## 96 53.1857 67.3993
## 97 54.0318 87.2830
## 98 54.2229 36.6195
## 99 54.8341 72.1693
## 100 55.0860 45.9765
## 101 55.8857 90.6086
## 102 56.4812 41.1786
## 103 56.4859 79.0064
## 104 57.1751 61.9291
## 105 57.2983 85.9357
## 106 58.1123 66.7366
## 107 58.1659 83.1976
## 108 58.2882 79.4966
## 109 58.4541 71.3575
## 110 58.5859 88.1771
## 111 58.9306 70.7030
## 112 58.9627 82.6588
## 113 59.2273 98.7497
## 114 59.7919 81.4494
## 115 59.9836 68.6068
## 116 60.0936 80.0751
## 117 60.8358 65.0074
## 118 61.3850 79.1416
## 119 61.5244 61.2970
## 120 61.6578 55.2410
## 121 61.6929 80.1392
## 122 61.8834 53.1603
## 123 62.1884 91.1852
## 124 63.0011 90.5064
## 125 63.4413 75.1853
## 126 63.4764 62.8870
## 127 64.1132 86.5741
## 128 64.4790 67.9146
## 129 64.6445 55.2726
## 130 65.4569 86.8584
## 131 65.5353 74.9612
## 132 66.2424 43.8284
## 133 66.3363 50.9721
## 134 67.1184 74.2923
## 135 67.3776 68.3959
## 136 67.5797 74.8067
## 137 68.0806 58.5684
## 138 68.7254 74.9025
## 139 69.3450 76.4138
## 140 70.1059 88.5203
## 141 70.3454 83.9712
## 142 70.4590 76.8762
## 143 71.0227 81.1197
## 144 72.2405 99.5000
## 145 72.2970 83.9755
## 146 72.3870 77.1370
## 147 72.5388 73.4589
## 148 73.0946 72.3053
## 149 73.2979 86.9098
## 150 73.4154 76.9919
## 151 73.6597 74.8972
## 152 73.9773 78.7176
## 153 74.3072 90.3163
## 154 74.7704 61.2204
## 155 75.2566 87.6444
## 156 75.5526 72.7025
## 157 75.5876 91.5730
## 158 76.1244 87.5310
## 159 76.3114 74.4212
## 160 76.5216 85.2715
## 161 77.6778 87.4196
## 162 77.8538 84.7600
## 163 77.9517 80.1926
## 164 78.0363 88.1845
## 165 80.8463 93.9171
## 166 81.9572 87.8770
## 167 82.1331 90.1695
## 168 82.9326 93.1496
## 169 82.9674 82.8930
## 170 83.1503 86.8764
## 171 83.9754 93.4183
## 172 84.1663 88.2205
## 173 84.2227 87.9527
## 174 84.5123 93.9844
## 175 84.7516 80.7373
## 176 84.9306 80.1798
## 177 85.1320 83.6063
## 178 85.1470 88.7237
## 179 85.1771 90.6684
## 180 85.3935 95.5041
## 181 85.4177 94.8395
## 182 86.0233 99.5000
## 183 86.3501 85.4381
## 184 88.6281 96.2817
## 185 90.3696 99.5000
## 186 91.1803 81.2415
## 187 92.6318 92.5200
## 188 93.0432 99.2529
## 189 94.2660 90.9563
## 190 95.5408 97.8951
## 191 95.8766 95.2144
## 192 96.9944 89.9645
## 193 97.5604 99.5000
## 194 98.0614 96.0229
## 195 99.5000 99.5000