“Recibos de Luz - Estadística”

---

Importar base de datos

#file.choose()
poblacion<- read.csv("C:\\Users\\danyc\\OneDrive - Instituto Tecnologico y de Estudios Superiores de Monterrey\\Desktop\\Excel y CSV\\poblacion.csv")
muestra<- read.csv("C:\\Users\\danyc\\OneDrive - Instituto Tecnologico y de Estudios Superiores de Monterrey\\Desktop\\Excel y 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=promedio

Media o Promedio

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

Media Poblacional(x barra o X con una barra arriba).

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 estos estan ordenados de manor 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 ningún 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

Relacion entre la Media, Mediana y Moda

Si la media =mediana=moda, los datos tienen una distribución SIMETRICA *Puedes aplicar los métodos de distribucón normal y sirve para saber si hay sesgos. Si la media < mediana < moda, los datos tienen sesgo NEGATIVO. Si la moda <mediana <media , los datos tienen SESGO POSITIVO.

Sesgos

    hist(poblacion$Pago)

#La Población tiene sesgo positivo
    hist(muestra$Pago)

#Sesgo positivo en Muestra

Medidas de Disperción

Miden que tan esparcidos se encuentra los datos. Rango, varianza y std. deviation

Rango

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

Rango Poblacional y Muestral

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

## [1] 180.86

    r<- range(poblacion$Pago)    
    r

## [1] 162.64 343.50

#La funcion de r () devuelve el valor mín y máx 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 desviaciónes 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 al cuadrado)

   Varianza_muestral <- var(muestra$Pago)
      Varianza_muestral

## [1] 3570.905

Desviación Estandar

La raiz cuadrada de la varianza

Desviación Estandar Poblacional (sigma)

desviacion_estandar_poblacional <- sqrt(Varianza_poblacional)
      desviacion_estandar_poblacional

## [1] 60.12203

Desviación Estandar Muestral(s)

 desviacion_estandar_muestral <-sqrt(Varianza_muestral)
      desviacion_estandar_muestral

## [1] 59.75705

Conclusión y Aprendizaje

Dentro de los aprendizajes de esta actividad, podemos primero que nada desglosar lo que componen los estadísticos y lo que nos da de resultado si es usado con nuestras bases de datos que en este caso es de un recibo de luz, en donde se comparaba la población con la muestra y aunque ambas tienen un sesgo positivo, siempre la muestras se mostraba un poco más arriba que la poblaciónal en todas las funciones que nos tiene R para desglosar estos datos junto con sus librerías y nos hizo entender de manera satisfactoria cómo funcionan los mismos al ya tener una base integrada.

Nota: No existe la moda en R studio