Realice un análisis de todas las muestras posibles

Empresas<-c( "GRUPO EXITO", "ECOPETROL", "ORGANIZACIÓN TERPEL", 
             "GRUPO EEPPM", "GRUPO ARGOS", "AVIANCA HOLDING", 
             "REFINERIA DE CARTAGENA", "GRUPO NUTRESA", "CEMENTOS 
             ARGOS", "CLARO MÓVIL", "ISA", "BAVARIA", "2NUEVA EPS", "DRUMMOND" )

Tome muestras de n=6 y n=10

Muestra de n=6

N=length(Empresas)
n=6
muestras<-data.frame(Support(N,n,Empresas))
n.mues<-nrow(muestras)
n.mues
## [1] 3003

El resultado obtenido por la combinacion de muestras entre grupos de seis es de 3003

Muestra de n=10

N=length(Empresas)
n=10
muestras<-data.frame(Support(N,n,Empresas))
n.mues<-nrow(muestras)
n.mues
## [1] 1001

El resultado obtenido por la combinacion de muestras entre grupos de seis es de 1001

De la variable Ingresos realice los gráficos de Histograma, Boxplot y de intervalos de confianza.

Ingresos<-c(56444283,55210813,15345813,14513579,13108076,9150339,8695604,8532913,
            8124364,6954265,6128605,6128605,5929496,5864959)# POBLACION

El numero de observacion para la variable Ingresos fue de 14

N<-length(Ingresos)
N
## [1] 14

El numero de combinatoria de 6 fue de 3003

n=6
choose(N,n)
## [1] 3003

La probabilidad fue de 0.00033

px<-1/choose(N,n)

Compilamos en un vector las combinaciones de las columnas ubicadas en el dataframe llamada data.3

data.3<-data.frame(Support(N,n,Ingresos))
med.3<-apply(data.3,1,mean)
var.3<-apply(data.3,1,var)

#factor de expencion

fep<-N/n
BASE.3 <- data.frame(data.3,med.3,var.3)
View(BASE.3)

La media de ingresos Poblacional es $15.723.694

mean(Ingresos)
## [1] 15723694

La varianza poblacion entre Ingresos es 2.986202e+14

var(Ingresos)
## [1] 2.986202e+14

La media de ingresos muestral es de $15.723.694

mean(BASE.3$med.3)
## [1] 15723694

La varianza La varianza muestral entre Ingresos es 2.986202e+14

mean(BASE.3$var.3)
## [1] 2.986202e+14

#Nivel de confianza

NC<-0.95 #Nivel de confianza

#El valor del Z para el nivel de confianza

z<--qnorm((1-NC)/2, mean = 0, sd = 1)# valor de Z
z
## [1] 1.959964

Intervalos de confianza

est.var<-z*sqrt((1-n/N)*var(Ingresos)/n)
LimInf<-med.3-est.var
LimSup<-med.3+est.var
mu<-data.frame(med.3,LimInf,LimSup)

El promedio de ingresos

mean(Ingresos)
## [1] 15723694

#El siguiente grafico son de los intervalos de confianza, se puede concluir graficamente que los ingresos en 0 y 500 se encuentran por fuera del intervalo, asi como tambien los intervalos de 2200 hasta 3000 lo cual explica el termino del error, el intervalo de 500 hasta 200 se encuentra dentro del los intervalos, lo cual indica finalmente la confianza del 95%

hist(c(mu$med.3))

boxplot(mu$med.3, main="Boxplot de las medias muestrales", 
         ylab="medias muestrales", xlab="Boxplot",col="red")

Ind<-ifelse(LimInf< mean(Ingresos) & LimSup>mean(Ingresos),
       1, 0)
table(Ind)
## Ind
##    0    1 
##   22 2981

Determine la confiabilidad de las muestras se determino en 99.26%

#confiabilidad

sum(Ind*px)
## [1] 0.992674
Final<-data.frame(Support(N,n,Ingresos),
                  med.3,
                  var.3,
                  LimInf,
                  LimSup,px,
                  Ind)