set.seed(1000)
dist1 <- sample(70:100, size = 50, replace=TRUE)
dist2 <- sample(70:100, size = 50, replace=TRUE)
dist3 <- sample(70:100, size = 50, replace=TRUE)
dist1
## [1] 85 73 80 91 88 93 98 72 98 87 91 75 82 75 70 78 98 95 95 97 92 87 74 99 88
## [26] 85 95 98 79 78 95 76 93 81 86 91 93 97 96 77 88 72 96 75 76 82 91 75 76 85
dist2
## [1] 97 77 72 90 87 82 99 87 85 86 86 72 82 83 77 100 77 80 93
## [20] 96 81 81 95 79 80 93 95 85 84 81 75 78 91 90 80 90 100 80
## [39] 79 79 70 96 94 78 76 83 100 94 86 71
dist3
## [1] 76 76 86 72 94 83 71 70 88 90 75 77 89 100 73 78 91 92 83
## [20] 94 85 97 74 88 94 95 100 88 100 100 98 90 72 86 93 78 91 97
## [39] 78 99 74 85 73 78 75 97 81 94 80 88
sort(dist1)
## [1] 70 72 72 73 74 75 75 75 75 76 76 76 77 78 78 79 80 81 82 82 85 85 85 86 87
## [26] 87 88 88 88 91 91 91 91 92 93 93 93 95 95 95 95 96 96 97 97 98 98 98 98 99
hist(dist1)
stem(dist1)
##
## The decimal point is 1 digit(s) to the right of the |
##
## 7 | 02234
## 7 | 55556667889
## 8 | 0122
## 8 | 555677888
## 9 | 11112333
## 9 | 5555667788889
table(dist1)
## dist1
## 70 72 73 74 75 76 77 78 79 80 81 82 85 86 87 88 91 92 93 95 96 97 98 99
## 1 2 1 1 4 3 1 2 1 1 1 2 3 1 2 3 4 1 3 4 2 2 4 1
sort(table(dist1))
## dist1
## 70 73 74 77 79 80 81 86 92 99 72 78 82 87 96 97 76 85 88 93 75 91 95 98
## 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 3 3 3 3 4 4 4 4
plot(dist1, col = "red")
plot(dist2, col = "blue")
plot(dist3, col = "green")
mean(dist1)
## [1] 85.94
mean(dist2)
## [1] 85.04
mean(dist3)
## [1] 85.72
var(dist1)
## [1] 79.73102
var(dist2)
## [1] 69.01878
var(dist3)
## [1] 88.65469
sd(dist1)
## [1] 8.929223
sd(dist2)
## [1] 8.307754
sd(dist3)
## [1] 9.415662
sd(dist1) / mean(dist1) * 100
## [1] 10.39007
sd(dist2) / mean(dist2) * 100
## [1] 9.769231
sd(dist3) / mean(dist3) * 100
## [1] 10.98421
quantile (dist1, prob = c(0.60, 0.80))
## 60% 80%
## 91 95
quantile (dist2, prob = c(0.60, 0.80))
## 60% 80%
## 86 94
quantile (dist3, prob = c(0.60, 0.80))
## 60% 80%
## 89.4 94.2
quantile (dist1, prob = c(0.25, 0.50, 0.75))
## 25% 50% 75%
## 77.25 87.00 94.50
quantile (dist2, prob = c(0.25, 0.50, 0.75))
## 25% 50% 75%
## 79.0 83.5 92.5
quantile (dist3, prob = c(0.25, 0.50, 0.75))
## 25% 50% 75%
## 77.25 87.00 94.00
Conclusion de practica: En esta práctica se dieron a entender tres conceptos e probabilidad y estadística, los cuales fueron medias centrales, medidas de dispersión y coeficiente de variación. En el que para el concepto de medias centrales se puede llegar a concluir en que es un número situado hacia el centro de la distribución de los valores de una serie de observaciones o bien dicho de datos, se les conoce como media, mediana y moda; en las medidas de dispersión se muestra la variabilidad de una distribución de datos, indicándolo por medio de un número, si las diferentes puntuaciones de una variable están muy alejadas de la media, se les conoce como rango de variación, varianza, desviación estándar, coeficiente de variación y por último el concepto de coeficiente de variación es el coeficiente de variación es la relación entre la desviación típica de una muestra y su media este re representa en porcentajes y permite comparar las dispersiones de dos distribuciones distintas, siempre que sus medias sean positivas, los valores que se obtienen se comparan entre sí de esta manera la mayor dispersión corresponderá al valor del coeficiente de variación mayor.