Recibo de Luz

Importar la base de datos

#file.choose()
poblacion <- read.csv("/Users/vanessaelizondo/Desktop/Tec/Semestre 7/CSV/poblacion.csv")

#file.choose()
muestra <- read.csv("/Users/vanessaelizondo/Desktop/Tec/Semestre 7/CSV/muestra.csv")

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

#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

# **Mediana:** Valor que ocupa el valor central de todos los datos cuando estos 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

#Moda:Valor que aparece con mayor frecuencia en un conjunto de datos

Funcion para calcular la Moda

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

#Nota: Si ningun dato se repite, la función coloca 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 más

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

    hist(poblacion$Pago)

La población tiene SESGO POSITIVO..

Medidas de Dispersión:

Miden que tan esparcidos se encuentran los datos..

Rango

#Rango:Intervalo o diferencia entre el valor máximo y el mínimo de un conjunto de datos.

Rango Poblacional

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

```
## [1] 180.86
```

```r
  r <- range(poblacion$Pago)    
  r
```

```
## [1] 162.64 343.50
```
  

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

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

```
## [1] 156.34
```

Varianza

#Varianza: Promedio elevado al cuadrado de las desviaciones individuales de cada observación con respecto a la media de una distribuación.

#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 cuadrado)

  varianza_muestral <-var(muestra$Pago)
  varianza_muestral

## [1] 3570.905

Desviación

#Desviación Estándar: Raiz 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

Con Rstudio tenemos las herramientas necesarias para poder hacer un estudio poblacional con estadísticas automáticas y de ese modo tener una respuesta más asertiva y directa hacia la información que se busca extraer o obtener.

Para un estudio o investigación de números y cantidades altas, es de mayor facilidad usar Rstudio para hacer las estadísticas y al mismo tiempo evitar errores de formulas o números, ya que este te lo hace automáticamente unicamente con comandos simples.