“Recibo de luz”

Importar base de datos

file.choose()

## [1] "C:\\Users\\ximen\\OneDrive\\Escritorio\\Recibo de luz.Rmd"

poblacion <- read.csv("C:\\Users\\ximen\\Downloads\\poblacion.csv")

View(poblacion)

file.choose()

## [1] "C:\\Users\\ximen\\OneDrive\\Escritorio\\Recibo de luz.Rmd"

muestra <- read.csv("C:\\Users\\ximen\\Downloads\\muestra.csv")

View(muestra)

Tamaño de la población (N)

N <- length(poblacion$Pago)
N

## [1] 12

Tamaño de la muestra (n)

n <- length(muestra$Pago)
n

## [1] 5

Medidas de Tendencia Central:

Permiten conocer el valor al que tiende el conjunto de datos.

Media o Promedio:

Valor que se obtiene al sumar todos los datos y dividirlos entre la cantidad total de datos.

Media poblacional (x barra)

media_poblacional <- mean(poblacion$Pago)
media_poblacional

## [1] 245.0167

Media muestral (miu)

media_muestral <- mean(muestra$Pago)
media_muestral

## [1] 249.432

Mediana:

Valor que ocupa el lugar central de todos los datos cuando éstos están ordenados de menor a mayor.

Mediana poblacional

mediana_poblacional <- median(poblacion$Pago)
mediana_poblacional

## [1] 228.63

Mediana muestral

mediana_muestral <- median(muestra$Pago)
mediana_muestral

## [1] 230.46

Moda:

Valor que aparece con mayor frecuencia en un conjunto de datos.

Función para calcular la Moda

mode <- function(x){
ux <- unique(x)
ux [which.max(tabulate(match(x, ux)))]  
}

Nota: Si un dato se repite, la función colora el primer valor en lugar de marcar error.

Moda Poblacional

moda_poblacional <- mode(poblacion$Pago)
moda_poblacional

## [1] 266.63

Moda Muestral

moda_muestral <- mode(muestra$Pago)
moda_muestral

## [1] 266.63

Relación entre la media, mediana y moda

Si la media = mediana = moda, los datos tienen una DISTRIBUCIÓN SIMÉTRICA.
Si la media < mediana < moda, los datos tienen SESGO NEGATIVO.
Si la moda < mediana < media, los datos tienen SESGO POSITIVO.

Gráfica

hist(poblacion$Pago)

La población tiene sesgo positivo.

Medidas de Dispersión:

Miden qué tan esparcidos se encuentran los datos.

Rango:

Intervalo o diferencia entre el valo máximo y el mínimo de un conjunto de datos.

Rango Poblacional

rango_poblacional <- max(poblacion$Pago)- min(poblacion$Pago)
rango_poblacional 

## [1] 180.86

r <- range(poblacion$Pago)      
r      

## [1] 162.64 343.50

La función range() devuelve el valor mínimo y máximo, pero no su diferencia, que es el valor que buscamos.

rango_muestral <- max(muestra$Pago)- min(muestra$Pago)
rango_muestral

## [1] 156.34

Varianza:

Promedio elevado al cuadrado de las desviaciones individuales de cada observación con respecto a la media de una distribución. Si es población se divide entre N; si es Muestra se divide entre n-1.

Varianza Poblacional (sigma cuadrada)

varianza_poblacional <- var(poblacion$Pago)*(N-1)/N
varianza_poblacional  

## [1] 3614.659

Varianza Muestral (s cuadrada)

varianza_muestral <- var(muestra$Pago)
varianza_muestral

## [1] 3570.905

Desviación Estándar:

Raíz cuadrada de la varianza.

Desviación estándar poblacional (sigma)

desviacion_estandar_poblacional <- sqrt(varianza_poblacional)
desviacion_estandar_poblacional  

## [1] 60.12203

Desviación estándar muestral (s)

desviacion_estandar_muestral <- sqrt(varianza_muestral)
desviacion_estandar_muestral 

## [1] 59.75705

Conclusión

En conclusión, se puede decir que, como se dice de acuerdo a investigaciones y al debate que se hizo en clase, R definitivamente es un programa estadístico, ya que, como se puede observar en el programa, tiene muchas funciones de probabilidad y estadística que permite obtener información en un corto tiempo con una pequeña función.

Aunque pareciera perfecto para fines estadísticos, se encontro una pequeña área de oportunidad dentro del programa, ya que, no cuenta con ninguna función para sacar la “moda”, lo cual dentro de la estadística es un dato importante, y aunque se encontro un sustituto, no puede funcionar a la perfección en cualquier tipo de situación a trabajar.

Sin embargo, fue muy interesante observar la gran cantidad de información que se puede adquirir con una base de datos y funciones de estadística que permiten obtener datos de una muestra y hasta de una población.

En este caso, un ejemplo, es el promedio de lo que paga la población, que son 245, y el de la muestra que es de 249, que son pagos muy parecidos, lo que nos lleva a concluir que estas funciones si ayudan. De igual forma, lo puede desarrollar en meses, si es el caso de la función utilizada.