Elementos.evaluados.1 <- c("Examen Inicial", "Trabajo entregable","Trabajo final","Examen final")
Notas.1 <- c(5.2, 8.2, 7.4, 5.7)
Peso.1 <- c(3, 1, 2, 4)
tabla.Ejemplo.1 <- data.frame(Elementos.evaluados.1, Notas.1, Peso.1)
names(tabla.Ejemplo.1) <- c('Elementos evaluados', 'Nota', 'Peso')
Elementos.evaluados.2 <- c("Trabajo sobre el crash del 29", "Examen final","Asistencia a clase")
Notas.2 <- c(9.5, 8.5, 5)
Peso.2 <- c(7, 2, 1)
tabla.Ejemplo.2 <- data.frame(Elementos.evaluados.2, Notas.2, Peso.2)
names(tabla.Ejemplo.2) <- c('Elementos evaluados', 'Nota', 'Peso')
Departamento.1 <- c("Producción", "Compras","Marketing", "Recursos humanos", "Administración")
Porcentaje.1 <- c(32.6, 53.5, 28.9, 48.2, 67.4)
tabla.Ejemplo.3 <- data.frame(Departamento.1, Porcentaje.1)
Ancianos <- c(1.1, 1.2, 1.3, 1.4)
tabla.Ejemplo.1
## Elementos evaluados Nota Peso
## 1 Examen Inicial 5.2 3
## 2 Trabajo entregable 8.2 1
## 3 Trabajo final 7.4 2
## 4 Examen final 5.7 4
ponderada.Ejemplo.1 <- weighted.mean(Notas.1,Peso.1)
round(ponderada.Ejemplo.1, 2)
## [1] 6.14
tabla.Ejemplo.2
## Elementos evaluados Nota Peso
## 1 Trabajo sobre el crash del 29 9.5 7
## 2 Examen final 8.5 2
## 3 Asistencia a clase 5.0 1
ponderada.Ejemplo.2 <- weighted.mean(Notas.2,Peso.2)
round(ponderada.Ejemplo.2, 2)
## [1] 8.85
tabla.Ejemplo.3
## Departamento.1 Porcentaje.1
## 1 Producción 32.6
## 2 Compras 53.5
## 3 Marketing 28.9
## 4 Recursos humanos 48.2
## 5 Administración 67.4
n <- length(Porcentaje.1)
geometrica.Ejemplo.1 <- prod(Porcentaje.1) ^ (1/n)
round(geometrica.Ejemplo.1, 2)
## [1] 43.94
n <- length(Ancianos)
geometrica.Ejemplo.2 <- prod(Ancianos) ^ (1/n)
round(geometrica.Ejemplo.2, 2)
## [1] 1.24
La media ponderada es una medida de tendencia central, que es apropiada cuando en un conjunto de datos cada uno de ellos tiene una importancia relativa respecto de los demás datos, que como lo vimos en clase, nos sirve para determinar la media de una manera mas exacta. También en el caso se implementó lo que es la media en medias con porcentajes,indica la variación de esas cifras respecto a su media aritmética. En conclusión, de estas dos tipas de medias, nos sirven para determinar datos con mayor exactitud.