Trabajo grupal en R
Alexander Polio
2022-06-04
#Integrantes del Grupo
#Roberto Alexander Escobar Polío
#María De Los Ángeles Morán Arteaga
#Andrea Marisol Sosa Guzmán
#José Ernesto Castro Gonzales
#Katya Michelle Palacios paz
#Andrea Carolina Reyes Salazar
#Donal Antonio Monroy Castellón
Parte 1 Análisis descriptivo correlacional
installed.packages("readxl") library(readxl) #Carga el paquete readxl que contiene la función read_excel para leer el archivo de excel que contiene la base de datos## Warning: package 'readxl' was built under R version 4.1.3bb=read_excel("Ahuachapan Variables seleccionadas de la EHPM 2019.xlsx", sheet = 1)
bb #Observamos la base de datos en R ## # A tibble: 99 x 7
## `Tipo de seguro médico` `Segmentación del~ `Personas que se~ `Gasto del hoga~
## <chr> <chr> <dbl> <dbl>
## 1 ISSS retirado(a) Inactivo 0 0
## 2 ISSS retirado(a) Informal 1 0
## 3 No tiene Inactivo 1 0
## 4 ISSS beneficiario(a) Inactivo 0 0
## 5 ISSS retirado(a) Inactivo 0 0
## 6 No tiene Inactivo 0 0
## 7 No tiene Informal 0 123.
## 8 No tiene Inactivo 0 123.
## 9 No tiene Inactivo 0 123.
## 10 No tiene Inactivo 0 123.
## # ... with 89 more rows, and 3 more variables:
## # Gasto del hogar en alimentos <dbl>, Gasto del hogar en salud <dbl>,
## # Gasto del hogar en ropa <dbl>View(bb) #Visualizamos la base de datos en formato de tabla en R
names(bb) #Nombres de las variables en la base de datos## [1] "Tipo de seguro médico"
## [2] "Segmentación del mercado laboral urbano"
## [3] "Personas que se enfermaron del hogar"
## [4] "Gasto del hogar en educación"
## [5] "Gasto del hogar en alimentos"
## [6] "Gasto del hogar en salud"
## [7] "Gasto del hogar en ropa"1- Histogramas
#Histograma de gasto de hogar en educación
hist(bb$`Gasto del hogar en educación`, main = "Histograma de gasto de hogar en educación", xlab = "gasto de hogar en educación",
ylab = "Frecuencia", col = "lightblue", breaks = 10, labels = TRUE) 
#Histograma de Gasto del hogar en alimentos
hist(bb$`Gasto del hogar en alimentos` , main = "Histograma de Gasto del hogar en alimentos", xlab = "Gasto del hogar en alimentos",
ylab = "Frecuencia", col = "Green", breaks = 10, labels = TRUE)
2- Gráfico de barras de Gasto del hogar en salud
nm=table(bb$`Gasto del hogar en salud`)
nm##
## 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 73 74 75
## 5 2 4 3 5 4 3 8 3 4 4 3 5 2 5 6 2 4 5 5 3 5 4 5pn=round(prop.table(nm)*100, 2)
pn##
## 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66
## 5.05 2.02 4.04 3.03 5.05 4.04 3.03 8.08 3.03 4.04 4.04 3.03 5.05 2.02 5.05 6.06
## 67 68 69 70 71 73 74 75
## 2.02 4.04 5.05 5.05 3.03 5.05 4.04 5.05barplot(pn, main="Gráfico de barras de Gasto del hogar en salud", xlab="Gasto del hogar en salud",
ylab = "Porcentajes", col = "red", legend.text = rownames(pn))
3- Gráfico de barras de tipo de combustible que usa el autobus
fr <- table(bb$`Tipo de seguro médico`)
fr##
## Hospital Militar ISSS beneficiario(a) ISSS cotizante
## 1 5 7
## ISSS retirado(a) No tiene
## 5 81pr=round(prop.table(fr)*100, 2)
pr##
## Hospital Militar ISSS beneficiario(a) ISSS cotizante
## 1.01 5.05 7.07
## ISSS retirado(a) No tiene
## 5.05 81.82barplot(pr, main="Gráfico de barras de barras de tipo de Tipo de seguro médico",
xlab=" Tipo de seguro médico", ylab = "Porcentajes", ylim = c(0, 70),
col = "blue", legend.text = rownames(pr))
4- Grafico de Pastel de Segmentación del mercado laboral urbano
fv <- table(bb$`Segmentación del mercado laboral urbano`)
fv##
## desocupado Formal Inactivo Informal
## 9 20 38 23
## Nunca ha trabajado Servicio doméstico
## 6 3pv=round(prop.table(fv)*100, 2)
names(pv) = c("Inactivo", "formal", "Informal", "servicio domestico", "nunca ha trabajado", "desocupado")
n <- length(pv)
hoja <- data.frame(pv)
etiq <- c(paste(hoja$Var1, "-", hoja$Freq))
pie(pv, main="Gráfico de pastel de Segmentación del mercado laboral urbano", xlab="Tipos de Segmentación del mercado laboral urbano\n",
labels=etiq, col= rainbow(n), border=TRUE)
5- Tabla de contingencia de las variables cualitativas Tipo de seguro médico y Segmentación del mercado laboral urbano
tablaRazonForma=table(bb$`Tipo de seguro médico`, bb$`Segmentación del mercado laboral urbano`)
tablaRazonForma##
## desocupado Formal Inactivo Informal Nunca ha trabajado
## Hospital Militar 0 1 0 0 0
## ISSS beneficiario(a) 0 0 4 0 0
## ISSS cotizante 0 7 0 0 0
## ISSS retirado(a) 0 0 4 1 0
## No tiene 9 12 30 22 6
##
## Servicio doméstico
## Hospital Militar 0
## ISSS beneficiario(a) 1
## ISSS cotizante 0
## ISSS retirado(a) 0
## No tiene 26- Analisis de Correlación
bc=bb[,5:7] #Creamos una base de datos con tres variables cuantitativas
bc## # A tibble: 99 x 3
## `Gasto del hogar en alimentos` `Gasto del hogar en salud` `Gasto del hogar e~
## <dbl> <dbl> <dbl>
## 1 283 62 76
## 2 214 55 92
## 3 272 68 88
## 4 109 60 96
## 5 176 74 43
## 6 182 69 34
## 7 190 69 65
## 8 235 58 91
## 9 142 62 48
## 10 162 58 79
## # ... with 89 more rowsView(bc) #Visualizamos la base de datos en formato de tabla dentro de RStudio
#Se realiza un análisis de correlación:
pairs(bc, col = c("black", "red", "green")) #Matriz de diagramas de dispersión con las tres variables cuantitativas
cor(bc, use = "complete.obs") #Matriz de correlaciones## Gasto del hogar en alimentos
## Gasto del hogar en alimentos 1.00000000
## Gasto del hogar en salud 0.09747528
## Gasto del hogar en ropa -0.67684771
## Gasto del hogar en salud Gasto del hogar en ropa
## Gasto del hogar en alimentos 0.09747528 -0.67684771
## Gasto del hogar en salud 1.00000000 -0.06574213
## Gasto del hogar en ropa -0.06574213 1.00000000## 7- Análisis de regresión lineal simple
regresion <- lm(bc$`Gasto del hogar en alimentos` ~ bc$`Gasto del hogar en ropa`, data = bc, na.action = na.omit)
summary(regresion)##
## Call:
## lm(formula = bc$`Gasto del hogar en alimentos` ~ bc$`Gasto del hogar en ropa`,
## data = bc, na.action = na.omit)
##
## Residuals:
## Min 1Q Median 3Q Max
## -127.076 -42.348 2.348 38.114 93.529
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 245.14924 11.04849 22.188 < 2e-16 ***
## bc$`Gasto del hogar en ropa` -0.72293 0.07983 -9.056 1.47e-14 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 52.29 on 97 degrees of freedom
## Multiple R-squared: 0.4581, Adjusted R-squared: 0.4525
## F-statistic: 82.01 on 1 and 97 DF, p-value: 1.466e-14plot(bc$`Gasto del hogar en ropa`, bc$`Gasto del hogar en alimentos`, xlab="Gasto del hogar en ropa",
ylab="Gasto del hogar en alimentos", col = rainbow(2)) #Diagrama de dispersión entre las variables
abline( regresion, col = "black") #añadir la recta al gráfico
Parte 2 Elaboración de Distribuciones de Probabilidad
Distribución binomial
La probabilidad de que cierto jugador de basket enceste un triple es de 43%. Si en un determinado partido este jugador intenta 10 triples, cual sería la probabilidad de que enceste 1,2,3,4 hasta los 10 triples. Con una distribución binomial:
#Sea X= Numero de veces que cae un 6
n=10 #Tamaño de la muestra
p=0.43 #Probabilidad de éxito
x=c(1, 2, 3, 4, 5, 6,7,8,9,10) #Valores que toma la variable aleatoria binomial
x## [1] 1 2 3 4 5 6 7 8 9 10pb=dbinom(x, n, p) #Distribución de probabilidad de la variable binomial
pb## [1] 0.0273112864 0.0927146302 0.1865136420 0.2462307291 0.2229036074
## [6] 0.1401294608 0.0604066849 0.0170887332 0.0028647779 0.0002161148plot(x, pb, type="l", main = "Distribución de probabilidad de la variable X binomial", col= "black", lwd=2.0 ) #Grafico pb
pab=pbinom(x, n, p) #Distribución de probabilidad acumulada de la variable binomial
pab## [1] 0.03093162 0.12364625 0.31015989 0.55639062 0.77929423 0.91942369
## [7] 0.97983037 0.99691911 0.99978389 1.00000000plot(x, pab, type="l", main = "Distribucion de probabilidad acumulada de la variable X binomial", col= "black", lwd=2.0) #Grafico pab
Distribución de Poisson
Imaginémonos que en una de las oficinas de Teleperformance reciben en promedio alrededor de unas 50 llamadas por hora. Para encontrar la distribución de probabilidad de esta variable aleatoria sería:
#Sea X=número de llamadas que Teleperformance recibe en una determinada hora.
l=50 #número aproximado de llamadas que se reciben en Teleperformance en un determinada oficina a cierta hora (Lambda)
x=c(0:70) #Valores que toma la variable de Poisson: X=0, 1, 2, 3, 4,
x## [1] 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
## [26] 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49
## [51] 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70pp=dpois(x,l) #Distribución de probabilidad de la variable de Poisson
pp## [1] 1.928750e-22 9.643749e-21 2.410937e-19 4.018229e-18 5.022786e-17
## [6] 5.022786e-16 4.185655e-15 2.989754e-14 1.868596e-13 1.038109e-12
## [11] 5.190544e-12 2.359338e-11 9.830577e-11 3.780991e-10 1.350354e-09
## [16] 4.501180e-09 1.406619e-08 4.137114e-08 1.149198e-07 3.024206e-07
## [21] 7.560515e-07 1.800123e-06 4.091188e-06 8.893886e-06 1.852893e-05
## [26] 3.705786e-05 7.126512e-05 1.319724e-04 2.356651e-04 4.063191e-04
## [31] 6.771985e-04 1.092256e-03 1.706649e-03 2.585832e-03 3.802695e-03
## [36] 5.432421e-03 7.545029e-03 1.019599e-02 1.341577e-02 1.719970e-02
## [41] 2.149963e-02 2.621906e-02 3.121317e-02 3.629438e-02 4.124362e-02
## [46] 4.582624e-02 4.981113e-02 5.299057e-02 5.519851e-02 5.632501e-02
## [51] 5.632501e-02 5.522059e-02 5.309673e-02 5.009125e-02 4.638079e-02
## [56] 4.216435e-02 3.764674e-02 3.302346e-02 2.846850e-02 2.412585e-02
## [61] 2.010487e-02 1.647940e-02 1.328984e-02 1.054749e-02 8.240229e-03
## [66] 6.338638e-03 4.801998e-03 3.583581e-03 2.634986e-03 1.909410e-03
## [71] 1.363864e-03plot(x, pp, type="l", main = "Distribución de probabilidad de la variable X de poisson", col= "black", lwd=2.0 ) #Grafico pp
pap=ppois(x, l) #Distribución de probabilidad acumulada de la variable de Poisson
pap## [1] 1.928750e-22 9.836624e-21 2.509304e-19 4.269159e-18 5.449702e-17
## [6] 5.567756e-16 4.742431e-15 3.463997e-14 2.214996e-13 1.259608e-12
## [11] 6.450153e-12 3.004354e-11 1.283493e-10 5.064484e-10 1.856802e-09
## [16] 6.357982e-09 2.042417e-08 6.179531e-08 1.767151e-07 4.791357e-07
## [21] 1.235187e-06 3.035310e-06 7.126498e-06 1.602038e-05 3.454931e-05
## [26] 7.160717e-05 1.428723e-04 2.748447e-04 5.105098e-04 9.168289e-04
## [31] 1.594027e-03 2.686283e-03 4.392932e-03 6.978765e-03 1.078146e-02
## [36] 1.621388e-02 2.375891e-02 3.395489e-02 4.737066e-02 6.457037e-02
## [41] 8.607000e-02 1.122891e-01 1.435022e-01 1.797966e-01 2.210402e-01
## [46] 2.668665e-01 3.166776e-01 3.696682e-01 4.248667e-01 4.811917e-01
## [51] 5.375167e-01 5.927373e-01 6.458340e-01 6.959253e-01 7.423060e-01
## [56] 7.844704e-01 8.221171e-01 8.551406e-01 8.836091e-01 9.077349e-01
## [61] 9.278398e-01 9.443192e-01 9.576091e-01 9.681566e-01 9.763968e-01
## [66] 9.827354e-01 9.875374e-01 9.911210e-01 9.937560e-01 9.956654e-01
## [71] 9.970293e-01plot(x, pap, type="l", main = "Distribucion de probabilidad acumulada de la variable X de poisson", col= "black", lwd=2.0) #Grafico pap
Distribución Normal
En una empresa de El Salvador, el saldo promedio es de 800 dólares y tiene una desviación estándar de 200 dólares. Estos datos siguen una distribución normal.
mu=800 #Media de la variable normal
sd=200 #Desviación estándar de la variable normal
x=rnorm(1:1000, mu, sd) #Genera un vector de valores aleatorios provenientes de una distribución normal con parámetros mu=800, y sd=200.
pnr=dnorm(x, mu, sd) #Obtiene un vector de valores de densidad que caen sobre la curva normal
plot(x, pnr, main = "Curva normal de la variable aleatoria X", col= "red" ) #Dibuja la curva normal
Grafico de la probabilidad asociada al valor de z<-0.5 [P(x<700)] (Probabilidad de que el salario de un determinado empleado sea 700)
z1=(700-mu)/sd #Estandarizamos el valor de la variable
z1## [1] -0.5#Grafico
cord.x=c(-3, seq(-3, z1, 0.01), z1)
cord.y=c(0, dnorm(seq(-3, z1, 0.01)), 0)
curve(dnorm(x, 0, 1), xlim = c(-3, 3), main="Normal estandar", xlab = "Z")
polygon(cord.x, cord.y, col="#3357FF")
area=pnorm(z1, 0, 1)
area## [1] 0.3085375result=paste("P(Z<", z1, ")=", signif(area, digits = 4))
mtext(result, 3)
Grafico del área en el intervalo z1=-1.5 <Z < z2=0.5 [P(500<X<900)] (Probabilidad de que el salario de un empleado esté entre 500 y 900 dólares)
z1=(500-mu)/sd #Estandarizamos el valor del límite inferior del intervalo
z1## [1] -1.5z2=(900-mu)/sd #Estandarizamos el valor del límite superior del intervalo
z2## [1] 0.5#Grafico
cord.x=c(z1, seq(z1, z2, 0.01), z2)
cord.y=c(0, dnorm(seq(z1, z2, 0.01)), 0)
curve(dnorm(x, 0, 1), xlim = c(-3, 3), main="Normal estandar", xlab = "Z")
polygon(cord.x, cord.y, col="#3357FF")
area=pnorm(z2, 0, 1)-pnorm(z1, 0, 1)
area## [1] 0.6246553result=paste("P(", z1, "< Z <", z2, ")=", signif(area, digits = 4))
mtext(result, 3)
Grafico de la probabilidad asociada al valor de z>=-0.5 [P(x>700)] (Probabilidad de que el salario de un empleado sea mayor a 700)
z1=(700-mu)/sd #Estandarizamos el valor de la variable
z1## [1] -0.5#Grafico
cord.x=c(z1, seq(z1, 3.0, 0.01), 3.0)
cord.y=c(0, dnorm(seq(z1, 3.0, 0.01)), 0)
curve(dnorm(x, 0, 1), xlim = c(-3, 3), main="Normal estandar", xlab = "Z")
polygon(cord.x, cord.y, col="#3357FF")
area=1-pnorm(z1, 0, 1)
area## [1] 0.6914625result=paste("P(Z>", z1, ")=", signif(area, digits = 4))
mtext(result, 3)