EU1U2
DULCE BENITEZ
26/3/2021
EVALUACION EU1U2
Importar datos
setwd("~/ESTADISTICA")
library(readr)
PIB <- read_csv("PIB.csv")##
## -- Column specification --------------------------------------------------------
## cols(
## primarias = col_double(),
## manufactura = col_double(),
## inmobiliarias = col_double()
## )head(PIB)## # A tibble: 6 x 3
## primarias manufactura inmobiliarias
## <dbl> <dbl> <dbl>
## 1 371390. 1698488. 998787.
## 2 369425. 1678576. 1010400.
## 3 377071. 1671630. 1017815.
## 4 362920. 1681706. 1027499.
## 5 363635. 1698171. 1040847.
## 6 393408. 1737834. 1052990.Análisis
prim <- PIB$primarias
inm <- PIB$inmobiliariasMedidas de tendencia central
Media
mediaprim <- mean(prim)
mediaprim## [1] 471505.8mediainm <- mean(inm)
mediainm## [1] 1570802Mediana
medianaprim <- median(prim)
medianaprim## [1] 470182.3medianainm <- median(inm)
medianainm## [1] 1582417Moda
library(modeest)
mlv(prim, method="mfv")[1]## [1] 351036.5library(modeest)
mlv(inm, method="mfv")[1]## [1] 998786.5Cuartiles
summary(prim)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 351037 410631 470182 471506 520028 631653summary(inm)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 998787 1261862 1582417 1570802 1870725 2074242Rango intercuantil (IQR)
summary(prim)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 351037 410631 470182 471506 520028 631653RIC <- IQR(prim)
RIC## [1] 109397.8#limite superios
Q3 <- 520028
limitesuperior <- (Q3+1.5*RIC)
limitesuperior ## [1] 684124.7# limite inferior
Q1 <- 410631
limiteinferior <- (Q1-1.5*RIC)
limiteinferior## [1] 246534.3summary(inm)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 998787 1261862 1582417 1570802 1870725 2074242RIC <- IQR(inm)
RIC## [1] 608862.7#limite superios
Q3 <- 1870725
limitesuperior <- (Q3+1.5*RIC)
limitesuperior ## [1] 2784019# limite inferior
Q1 <- 1261862
limiteinferior <- (Q1-1.5*RIC)
limiteinferior## [1] 348568Grafico de caja y bigote
boxplot(prim)
boxplot(inm)
Distribucion de frecuencias
Tabla de frecuencias
library(fdth) #importar paquete##
## Attaching package: 'fdth'## The following object is masked from 'package:modeest':
##
## mfv## The following objects are masked from 'package:stats':
##
## sd, vardist <- fdt(prim, breaks="Sturges")
dist## Class limits f rf rf(%) cf cf(%)
## [347526.129,383831.592) 10 0.09 8.93 10 8.93
## [383831.592,420137.055) 21 0.19 18.75 31 27.68
## [420137.055,456442.518) 18 0.16 16.07 49 43.75
## [456442.518,492747.981) 24 0.21 21.43 73 65.18
## [492747.981,529053.444) 13 0.12 11.61 86 76.79
## [529053.444,565358.907) 8 0.07 7.14 94 83.93
## [565358.907,601664.37) 15 0.13 13.39 109 97.32
## [601664.37,637969.833) 3 0.03 2.68 112 100.00#f= frecuencia absoluta
#rf= frecuencia relativa
#rf(%) frecuencia relativa porcentual
#cf= frecuencia acumulada
#cf(%)=frecuencia acumulada porcentuallibrary(fdth) #importar paquete
dist <- fdt(inm, breaks="Sturges")
dist## Class limits f rf rf(%) cf cf(%)
## [988798.6608,1127071.883) 13 0.12 11.61 13 11.61
## [1127071.883,1265345.105) 16 0.14 14.29 29 25.89
## [1265345.105,1403618.328) 13 0.12 11.61 42 37.50
## [1403618.328,1541891.55) 11 0.10 9.82 53 47.32
## [1541891.55,1680164.772) 13 0.12 11.61 66 58.93
## [1680164.772,1818437.995) 10 0.09 8.93 76 67.86
## [1818437.995,1956711.217) 15 0.13 13.39 91 81.25
## [1956711.217,2094984.439) 21 0.19 18.75 112 100.00#f= frecuencia absoluta
#rf= frecuencia relativa
#rf(%) frecuencia relativa porcentual
#cf= frecuencia acumulada
#cf(%)=frecuencia acumulada porcentualHistogramas y poligonos de frecuencia
#histogramas
plot(dist, type="fh") #Histograma de frecuencias absolutas
plot(dist, type="rfh") #Histograma de frecuencias relativas
plot(dist, type="cfh") #Histograma de frecuencias acumuladas
#polígonos
plot(dist, type="fp") #polígono de frecuencias absolutas
plot(dist, type="rfp") # polígono de frecuencias relativas
plot(dist, type="cfp") # polígono de frecuencias acumuladas
Medidas de dispersion
Varianza
min(PIB$primarias,na.rm=TRUE)## [1] 351036.5min(PIB$inmobiliarias,na.rm=TRUE)## [1] 998786.5Desviacion estandar
max(PIB$primarias,na.rm=TRUE)## [1] 631653.3max(PIB$inmobiliarias,na.rm=TRUE)## [1] 2074242Grafico de dispersion
plot(prim)
plot(inm)
Analisis de correlacion
Regresion lineal
regresion <-lm(primarias~ inmobiliarias, data=PIB)
summary(regresion)##
## Call:
## lm(formula = primarias ~ inmobiliarias, data = PIB)
##
## Residuals:
## Min 1Q Median 3Q Max
## -75134 -10743 1269 11840 60587
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.532e+05 8.883e+03 17.24 <2e-16 ***
## inmobiliarias 2.027e-01 5.529e-03 36.65 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 19760 on 110 degrees of freedom
## Multiple R-squared: 0.9243, Adjusted R-squared: 0.9236
## F-statistic: 1344 on 1 and 110 DF, p-value: < 2.2e-16Matriz de coeficientes de correlacion
cor(PIB)## primarias manufactura inmobiliarias
## primarias 1.0000000 0.8979538 0.9614170
## manufactura 0.8979538 1.0000000 0.9115337
## inmobiliarias 0.9614170 0.9115337 1.0000000Matriz de diagramas de dispersion
pairs(PIB)
Esta fue una pequeña evaluacion sobre el crecimiento del Producto Interno Bruto (PIB) del año 1993 hasta el año 2020 en Mexico con respecto a las distintas actividades que se emplean, en esta ocasion, optamos por tomar las actividades primarias (Agricultura, cría y explotación de animales, aprovechamiento forestal, pesca y caza) y actividades inmobiliarias (Servicios inmobiliarios y de alquiler de bienes muebles e intangibles) para asi poder comparar una con otra empleando distintas herramientas. Al recorrer todo el trabajo nos podemos dar cuenta que las cantidades de las actividades inmobiliarias son mayores que las actividades primarias. En el año 2020 con la pandemia de COVID-19 podemos observar que los numeros varian constantemete. Las actividades primarias iniciaron el año con una cantidad de $587,682 y terminaron con una cantidad de $616,544 mientras que las actividades inmobiliarias iniciaron con $2,074,242 y terminaron con $2,069,002.