“Estadisticas”

Importar bases de datos

poblacion <- read.csv("/Users/andreapaolasosa/Desktop/poblacion.csv")

muestra <- read.csv("/Users/andreapaolasosa/Desktop/muestra.csv")

Tamano de la poblacion

N<- length (poblacion$Pago)
N

## [1] 12

Tamano de la muestra

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)

muedia_muestral <-  mean(muestra$Pago)
muedia_muestral

## [1] 249.432

Mediana: Valor que ocupa el lugar central de todos los datos cuando estos estan ordenados de menor a mayor.

 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

Funcion para calcular la Moda

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

Nota: Si ningun dato s e repite, la funcion 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 distibrucion simetrica

Si la media <mediana <moda, los datos tienen sesgo negativo

Si la moda <mediana <media , los datos tienen sesgo positivo

 hist (poblacion$Pago)

la poblacion tienen sesgo positivo

Medidas de Dispersion: Miden que tan esparcidos se encuentran los datos.

Rango: Intervalo o diferencia entre el valor maximo y el minimo 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 funcion range devuelve el valor minimo y maximo 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 eleveado al cuadrado de las desvaiciones individuales de cada obervacion con respecto a la media de una distribucion

Si es poblacion, se divide entre N; Si es muestra, se divide entre n-1

 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

Desviacion Estandar: Raiz cuadrada de la varianza

Desviacion estandar poblacional (sigma)

 desviacion_estandar_poblacional <- sqrt (varianza_poblacional)
 desviacion_estandar_poblacional

## [1] 60.12203

Desviacion Estandar Muestral (s)

 desviacion_estandar_muestral <- sqrt (varianza_muestral)
 desviacion_estandar_muestral

## [1] 59.75705

Conclusiones

Con la herramienta utilizada se peuden obtener datos estadisticos de manera mas asertiva en la cual se puede obtener informacion valiosa al momento de realizar los analisis como lo fue en este caso. Al utilizar la herramienta de la desviacionn estandar se puede realizar una comparacion de distintas variables que a su vez tienen un relacion entre si como lo fue mostrado en este caso.