CASO 6. Media Ponderada y Geométrica

Objetivo. Analizar datos para identificar medias ponderadas y geométricas

Descripción.

De un conjunto de tres ejercicios del libro Identificar media pondera y geométrica de un conjunto de datos (simples).

Desarrollo

Desarrollar un documento markdown y subir al servicio en la nube rpubs en su espacio de trabajo personal. Enviar el enlace al portal Schoology Sustento teórico: Libro Proceso

1. Cargar datos

n=20
set.seed(2020)
nombres <- c("ALAN", "ALICIA", "MARCOS", "SEBASTIAN", "TOMAS", "KEVIN", "AXEL", "BRAYAN", "JOAN", "JHONNY", "ALMA", "RUBY", "YENIFER", "MANUEL", "NOE", "URIEL", "DIEGO", "JOVANA", "EVELYN", "KARLA")
#### Valor de los examenes
valor1=1
cal1= sample(50:100, n, replace = TRUE)/10
valor2=2.5
cal2=sample(50:100, n, replace = TRUE)/10
valor3=3.5
cal3=sample(50:100, n, replace = TRUE)/10

Alumnos=data.frame(nombres, cal1, cal2, cal3)
names(Alumnos)= c("nombres", "1ra.Calificacion", "2da. Calificacion", "3ra. Calificacion")
Alumnos
##      nombres 1ra.Calificacion 2da. Calificacion 3ra. Calificacion
## 1       ALAN              7.7               5.1               5.5
## 2     ALICIA              9.3               7.8               9.6
## 3     MARCOS              7.2               8.9               9.2
## 4  SEBASTIAN              7.1               5.3               6.2
## 5      TOMAS              7.3               9.9               8.1
## 6      KEVIN              5.0               6.3               7.3
## 7       AXEL              6.6               6.3               6.2
## 8     BRAYAN              8.5               6.1               9.4
## 9       JOAN              9.1               9.7               5.1
## 10    JHONNY              5.5               9.6               8.0
## 11      ALMA              9.8               6.3               6.5
## 12      RUBY              9.4               5.6               6.2
## 13   YENIFER              5.7               6.9               5.0
## 14    MANUEL              9.1               6.7               8.7
## 15       NOE              9.9               7.0               5.2
## 16     URIEL              6.5               9.7               7.8
## 17     DIEGO              7.8               9.3               7.4
## 18    JOVANA              8.3               6.7               9.4
## 19    EVELYN              9.7               5.9               9.2
## 20     KARLA              5.2               8.0               7.4

2. Determinar media ponderada

a. Dos prácticas del libro o literatura consultada abierto a la búsqueda de datos y ponderaciones de cada alumno (al menos 4 datos)

Valor de la ponderacion total de las 3 anteriores. Representada por W.

X la tomamos como la variable de las calificaciones

W=(valor1+valor2+valor3)
W 
## [1] 7
  Op1<-0
  Op2<-0
  Op3<-0
  Suma<-0
for (i in 1:20) {
  Op1[i]=cal1[i]*valor1
  Op2[i]=cal2[i]*valor2
  Op3[i]=cal3[i]*valor3
}

Calificaciones por Ponderacion

for (i in 1:20) {
  print(Op1[i])
  print(Op2[i])
  print(Op3[i])
  print('-----')
}
## [1] 7.7
## [1] 12.75
## [1] 19.25
## [1] "-----"
## [1] 9.3
## [1] 19.5
## [1] 33.6
## [1] "-----"
## [1] 7.2
## [1] 22.25
## [1] 32.2
## [1] "-----"
## [1] 7.1
## [1] 13.25
## [1] 21.7
## [1] "-----"
## [1] 7.3
## [1] 24.75
## [1] 28.35
## [1] "-----"
## [1] 5
## [1] 15.75
## [1] 25.55
## [1] "-----"
## [1] 6.6
## [1] 15.75
## [1] 21.7
## [1] "-----"
## [1] 8.5
## [1] 15.25
## [1] 32.9
## [1] "-----"
## [1] 9.1
## [1] 24.25
## [1] 17.85
## [1] "-----"
## [1] 5.5
## [1] 24
## [1] 28
## [1] "-----"
## [1] 9.8
## [1] 15.75
## [1] 22.75
## [1] "-----"
## [1] 9.4
## [1] 14
## [1] 21.7
## [1] "-----"
## [1] 5.7
## [1] 17.25
## [1] 17.5
## [1] "-----"
## [1] 9.1
## [1] 16.75
## [1] 30.45
## [1] "-----"
## [1] 9.9
## [1] 17.5
## [1] 18.2
## [1] "-----"
## [1] 6.5
## [1] 24.25
## [1] 27.3
## [1] "-----"
## [1] 7.8
## [1] 23.25
## [1] 25.9
## [1] "-----"
## [1] 8.3
## [1] 16.75
## [1] 32.9
## [1] "-----"
## [1] 9.7
## [1] 14.75
## [1] 32.2
## [1] "-----"
## [1] 5.2
## [1] 20
## [1] 25.9
## [1] "-----"

Suma de los Resultados

for (i in 1:20) {
  Suma[i]=Op1[i]+Op2[i]+Op3[i]
  print(Suma[i])
  }
## [1] 39.7
## [1] 62.4
## [1] 61.65
## [1] 42.05
## [1] 60.4
## [1] 46.3
## [1] 44.05
## [1] 56.65
## [1] 51.2
## [1] 57.5
## [1] 48.3
## [1] 45.1
## [1] 40.45
## [1] 56.3
## [1] 45.6
## [1] 58.05
## [1] 56.95
## [1] 57.95
## [1] 56.65
## [1] 51.1

Resultado de la Media Ponderada

ValortOTAL<-0
  for (i in 1:20) {
    ValortOTAL[i]= Suma[i]/W
    print(ValortOTAL[i], 3)
  }
## [1] 5.67
## [1] 8.91
## [1] 8.81
## [1] 6.01
## [1] 8.63
## [1] 6.61
## [1] 6.29
## [1] 8.09
## [1] 7.31
## [1] 8.21
## [1] 6.9
## [1] 6.44
## [1] 5.78
## [1] 8.04
## [1] 6.51
## [1] 8.29
## [1] 8.14
## [1] 8.28
## [1] 8.09
## [1] 7.3

Media ponderada

En la Media Ponderada se utiliza para mostrar una medida de tendencia central que es apropiada cuando en un conjunto de datos donde cada uno de ellos tiene una importancia relativa o peso respecto de los demás datos.

Como en este caso que se realizo una aplicacion de 3 examenes obteniendo los resultados de cada uno con un valor de peso para su calificacion.

3. Determinar media geométrica

a. Dos prácticas del libro del libro o literatura consultada abierto a la búsqueda de datos y ponderaciones de cada alumno

Opera<-0
MedGeo<-0
for (i in 1:20) {
  Opera[i]=cal1[i]*cal2[i]*cal3[i]
  MedGeo[i]=Opera[i]^(1/3)
  print(MedGeo[i],3)
}
## [1] 6
## [1] 8.86
## [1] 8.39
## [1] 6.16
## [1] 8.37
## [1] 6.13
## [1] 6.36
## [1] 7.87
## [1] 7.66
## [1] 7.5
## [1] 7.38
## [1] 6.88
## [1] 5.82
## [1] 8.09
## [1] 7.12
## [1] 7.89
## [1] 8.13
## [1] 8.06
## [1] 8.07
## [1] 6.75

Media geometrica

En la Media Geometrica fue mas cencilla ya que era hacer la multiplicacion de todos los valores que en este caso son las calificaciones y sacando la raiz de el total de datos que se esta realizando la multiplicacion y esa es nuestra media geometrica

4. Interpretacion del caso

En este caso me puse a ver que se utilizo lo que se estubo viendo a lo largo de los casos, mi opinion es que la verdad no e tenido el suficiente tiempo para dar practica a esto mas que nada por que no cuento con el tiempo pero a lo que si le doy estudio es a los conceptos que imagino que es el objetivo de esta materia, para una mejor proyeccion a futuro, aunque se que esto de r studio me puede ayudar a lo practico por eso cuando puedo le tomo igual un poco de tiempo el que me alcanza la verdad, igual todo lo que se ha visto hasta este caso me a ayudado en cuanto a mi carrera para la programacion e interpretacion de datos. En pocas palabras este caso me ayudo a comprender mas conceptos que no tenia mucho saber de ellos, pero a la vez de la implementacion de ejemplos para su utilizacion y asi comprenderlo mas claramente. Lo que si pude comrpender a simple vista fueron los datos que se utilizaron asi como la implementacion de ellos para el desarollo de este caso.