“Recibo_luz_estadistica”

##Escoger y leer archivo

#file.choose()
poblacion <- read.csv("/Users/carlosgonzalez/Desktop/Analitica para negocios/Modulo 3/Todos los R Rdowns y HTMLs/poblacion.csv")

#file.choose()
muestra <- read.csv("/Users/carlosgonzalez/Desktop/Analitica para negocios/Modulo 3/Todos los R Rdowns y HTMLs/muestra.csv")

Tamaño de la poblacion (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 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 poblacional
mediana_poblacional <- median(poblacion$Pago)
mediana_poblacional

## [1] 228.63

  #Mediana muestral
 mediana_muestral <- median(muestra$Pago)
 mediana_muestral    

## [1] 230.46

Moda

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

Moda muestral

  moda_muestral <- mode(muestra$Pago)
  moda_muestral          

## [1] 266.63

  #Relacion entre la media, media, mediana y moda
    #si la media=mediana=moda,los datos tienen una DISTRIBUCION SIM?TRICA
    # si la media < mediana < moda, los datos tienen un SESGO NEGATIVO 
  

  hist(poblacion$Pago)

  #La poblacion tine sesgo poitivo
    #Medidas de dispercion miden que tan esparcidos se encuentran los datos

Rango

  #rango: intervalo o diferencia entre el valor maximo y minimo de un conjunto de datos
  rango_poblacional <- max(poblacion$Pago) - min(poblacion$Pago)
  rango_poblacional

## [1] 180.86

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

## [1] 156.34

Varianza

 #varianza es el promedio elevado al cuadrado de las desviaciones inidviduales de cada observacion con respeco a la media de una distribucion 
    #si es poblacion se divide % 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 Estandar

  #desviacion estandar: raiz cuadrada de la varianza
      #desviacion estandar pblacional (sigma)
        desviacion_estandar_poblacional <- sqrt(varianza_poblacional)
        desviacion_estandar_poblacional

## [1] 60.12203

      #desviacion estandar muestral  
        desviacion_muestral_poblacional <- sqrt(varianza_muestral)
        desviacion_muestral_poblacional  

## [1] 59.75705

Conclusión

Durante este desarrollo, me di cuenta de que R funciona muy eficientemente para obtener datos de estadistica, con la excepción de la moda, la cual debe ser construida manualmente o con un medio externo. Por otra parte, me resulta enriquecedor que mediante las bases de datos y los métodos estadisticos empleados, se puede saber la frecuencia del grupo que paga más que en este caso de de entre 200MXN - 250MXN