REPASOUC1

La estadística (la forma femenina del término alemán Statistik, derivado a su vez del italiano statista, “hombre de Estado”),1 es la rama de la matemática que estudia la variabilidad, colección, organización, análisis, interpretación, y presentación de los datos, así como el proceso aleatorio que los genera siguiendo las leyes de la probabilidad.2 Como parte de la matemática, la estadística es una ciencia formal deductiva, con un conocimiento propio, dinámico y en continuo desarrollo obtenido a través del método científico formal. En ocasiones, las ciencias fácticas necesitan utilizar técnicas estadísticas durante su proceso de investigación factual, con el fin de obtener nuevos conocimientos basados en la experimentación y en la observación. En estos casos, la aplicación de la estadística permite el análisis de datos provenientes de una muestra representativa, que busca explicar las correlaciones y dependencias de un fenómeno físico o natural, de ocurrencia en forma aleatoria o condicional.

##Aplicacion de la estadistica en Ing. Civil. La estadística es importante en la ingeniería civil porque está basada en la recopilaciónde datos la cual estas son representadas mediante gráficos estadísticos. En la estadísticase presentan los principales indicadores de la actividad constructora: producción,despachos, ventas, exportación e importación de cemento, venta interna de asfalto y la producción y venta de barras de construcción. Asimismo, se muestran datos sobre lasobras privadas en viviendas por área construida y su valor monetario, valor de obras públicas y viviendas licitadas y obras públicas licitadas.Los datos requeridos, pueden ser calculados fácilmente para los elementos individualesque entran en la construcción de caminos. Según el tipo de obras y forma de pago. Seincluye los resultados del censo de calificaciones en procesos de construcción, realizada por la cámara peruana de construcción (CAPECO) retenidos a la oferta inmobiliaria deedificaciones y créditos otorgados a las familias más necesitados por intermedio del banco de materiales, indicando el número de préstamos y población beneficiada.

-Cuantitativas. Son variables expresadas en números, por ejemplo; las horas trabajadas en la semana, y otro ejemplo es, los kilómetros recorridos de un ciclista profesional a lo largo de la temporada.

• Continua. Es el valor infinito de valores entre un intervalo de datos, por ejemplo; el tiempo que un corredor tarda en recorrer los 100 metros lisos, y otro ejemplo es, el peso de un paquete de espaguetis.
• Discreta. Es el valor finito de valores entre un intervalo de datos, por ejemplo; número de helados vendidos en una heladería, y otro ejemplo es, el número de clases que da un profesor a lo largo del curso lectivo. -Cualitativa. Son variables expresadas en palabras, por ejemplo; los asistentes a un concierto que tienen entradas diferenciadas por la zona en la que se ubiquen . -Ordinal. Se expresa niveles y orden, por ejemplo; el resultado obtenido por diferentes pilotos en una carrera de coches de fórmula 1, y otro ejemplo, la calificación otorgada por los jueces de un campeonato de gimnasia rítmica. -Nominal. Se expresa nombres claramente diferenciado, por ejemplo; el color de ojos de una persona (azules, marrones o verdes), y otro ejemplo, estado civil de una persona o sexo. Distribución de frecuencia. Es la agrupación de datos en categorías mutuamente excluyentes que indican el número de observaciones en cada categoría. Distribución normal. Nos indica la probabilidad de encontrar un valor de la variable que sea igual o inferior a un cierto valor, conociendo la media, la desviación estándar, y la varianza de un conjunto de datos sustituyendolos en la función que describe el modelo.

setwd("~/pye1pm")
library(pacman)
p_load("readxl","DT","prettydoc","xfun","fdth","modeest")
pozos <- read_excel("pozos.xlsx")
datatable(pozos)

Histogramas sobre pozos

hist(pozos$PH)

hist(pozos$TEMP)

## Grafico de dispersion

plot(pozos$TEMP,pozos$PH)

## Grafico de pares

pairs(pozos)

## Matriz de diagramas de dispersion

cor(pozos)

##               PH        TEMP
## PH    1.00000000 -0.02029087
## TEMP -0.02029087  1.00000000

• Tabla de frecuencia segun el metodo de Sturges

tabla <- (pozos)
tabla

## # A tibble: 293 x 2
##       PH  TEMP
##    <dbl> <dbl>
##  1   6.8  28.5
##  2   6.9  29.2
##  3   6.8  28.9
##  4   7.1  29.4
##  5   6.6  28.3
##  6   6.8  28.4
##  7   6.5  28  
##  8   6.9  27.5
##  9   7    28.7
## 10   7    28.6
## # ... with 283 more rows

Histograma de frecuencias acumuladas

plot(tabla, type="cfd")

## Warning in plot.xy(xy, type, ...): plot type 'cfd' will be truncated to first
## character

Polígono de frecuencias absolutas

##plot(tabla, type="fp")

##plot(tabla, type="cfp")

Medidas de tendencia central.

#Media

##mean(pozos)

#Mediana

##median(pozos)

#Moda

##mlv(pozos, method = "mfv")

cuartiles

summary(pozos)

##        PH            TEMP     
##  Min.   :6.10   Min.   :25.6  
##  1st Qu.:6.80   1st Qu.:28.0  
##  Median :6.90   Median :28.7  
##  Mean   :6.89   Mean   :28.7  
##  3rd Qu.:7.00   3rd Qu.:29.2  
##  Max.   :7.50   Max.   :32.1

Grafico de caja y bigote

boxplot(pozos)

#Medidas de dispercion.

##sd(pozos)

#Grafico de dispersion lineal

plot(pozos)