martes, 7 de octubre de 2014

GRACIAS

ESPERO

QUE LES HAYA GUSTADO

NUESTRO BLOG

SOLUCION COMPENDIO EJERCICIO 9

> datos=read.table("nhijos.txt")
> datos
V1
1 4hijos
2 5hijos
3 3hijos
4 4hijos
5 6hijos
6 6hijos
7 5hijos
8 5hijos
9 7hijos
10 3hijos
11 2hijos
12 5hijos
13 5hijos
14 7hijos
15 3hijos
16 6hijos
17 5hijos
18 3hijos
19 4hijos
20 5hijos
21 6hijos
22 2hijos
23 8hijos
24 3hijos
25 5hijos
26 7hijos
27 2hijos
28 2hijos
29 5hijos
30 8hijos
31 5hijos
32 3hijos
33 6hijos
34 5hijos
35 3hijos
36 6hijos
37 5hijos
38 5hijos
39 4hijos
40 5hijos
41 3hijos
42 4hijos
43 4hijos
44 3hijos
45 4hijos
46 2hijos
47 5hijos
48 4hijos
49 4hijos
50 6hijos
51 3hijos
52 3hijos
53 9hijos
54 6hijos
55 4hijos
56 2hijos
57 4hijos
58 6hijos
59 2hijos
60 6hijos
61 5hijos
62 2hijos
63 2hijos
64 3hijos
65 5hijos
66 10hijos
67 3hijos
68 5hijos
69 4hijos
70 5hijos
71 5hijos
72 4hijos
73 2hijos
74 4hijos
75 3hijos
76 4hijos
77 3hijos
78 4hijos
79 4hijos
80 4hijos
81 3hijos
82 4hijos
83 4hijos
84 4hijos
85 1hijos
86 4hijos
87 4hijos
88 5hijos
89 2hijos
90 2hijos
91 4hijos
92 4hijos
93 1hijos
94 4hijos
95 5hijos
96 5hijos
97 7hijos
98 3hijos
99 2hijos
100 4hijos
> f=table(nhijos)
Error in table(nhijos) : object 'nhijos' not found
> f=table(datos)
> f
datos
10hijos 1hijos 2hijos 3hijos 4hijos 5hijos 6hijos 7hijos 8hijos 9hijos
1 2 13 17 27 23 10 4 2 1
> n=sum(f)
> n
[1] 100
> h=(f/n)*100
> h
datos
10hijos 1hijos 2hijos 3hijos 4hijos 5hijos 6hijos 7hijos 8hijos 9hijos
1 2 13 17 27 23 10 4 2 1
> F=cumsum(f)
> F
10hijos 1hijos 2hijos 3hijos 4hijos 5hijos 6hijos 7hijos 8hijos 9hijos
1 3 16 33 60 83 93 97 99 100
> H=cumsum(h)
> H
10hijos 1hijos 2hijos 3hijos 4hijos 5hijos 6hijos 7hijos 8hijos 9hijos
1 3 16 33 60 83 93 97 99 100
> cbind(f,h,F,H)
f h F H
10hijos 1 1 1 1
1hijos 2 2 3 3
2hijos 13 13 16 16
3hijos 17 17 33 33
4hijos 27 27 60 60
5hijos 23 23 83 83
6hijos 10 10 93 93
7hijos 4 4 97 97
8hijos 2 2 99 99
9hijos 1 1 100 100
> mean(datos)
[1] NA
Warning message:
In mean.default(datos) : argument is not numeric or logical: returning NA
> datos
V1
1 4hijos
2 5hijos
3 3hijos
4 4hijos
5 6hijos
6 6hijos
7 5hijos
8 5hijos
9 7hijos
10 3hijos
11 2hijos
12 5hijos
13 5hijos
14 7hijos
15 3hijos
16 6hijos
17 5hijos
18 3hijos
19 4hijos
20 5hijos
21 6hijos
22 2hijos
23 8hijos
24 3hijos
25 5hijos
26 7hijos
27 2hijos
28 2hijos
29 5hijos
30 8hijos
31 5hijos
32 3hijos
33 6hijos
34 5hijos
35 3hijos
36 6hijos
37 5hijos
38 5hijos
39 4hijos
40 5hijos
41 3hijos
42 4hijos
43 4hijos
44 3hijos
45 4hijos
46 2hijos
47 5hijos
48 4hijos
49 4hijos
50 6hijos
51 3hijos
52 3hijos
53 9hijos
54 6hijos
55 4hijos
56 2hijos
57 4hijos
58 6hijos
59 2hijos
60 6hijos
61 5hijos
62 2hijos
63 2hijos
64 3hijos
65 5hijos
66 10hijos
67 3hijos
68 5hijos
69 4hijos
70 5hijos
71 5hijos
72 4hijos
73 2hijos
74 4hijos
75 3hijos
76 4hijos
77 3hijos
78 4hijos
79 4hijos
80 4hijos
81 3hijos
82 4hijos
83 4hijos
84 4hijos
85 1hijos
86 4hijos
87 4hijos
88 5hijos
89 2hijos
90 2hijos
91 4hijos
92 4hijos
93 1hijos
94 4hijos
95 5hijos
96 5hijos
97 7hijos
98 3hijos
99 2hijos
100 4hijos
> datos=read.table("hijos.txt")
> datos
V1
1 4
2 5
3 3
4 4
5 6
6 6
7 5
8 5
9 7
10 3
11 2
12 5
13 5
14 7
15 3
16 6
17 5
18 3
19 4
20 5
21 6
22 2
23 8
24 3
25 5
26 7
27 2
28 2
29 5
30 8
31 5
32 3
33 6
34 5
35 3
36 6
37 5
38 5
39 4
40 5
41 3
42 4
43 4
44 3
45 4
46 2
47 5
48 4
49 4
50 6
51 3
52 3
53 9
54 6
55 4
56 2
57 4
58 6
59 2
60 6
61 5
62 2
63 2
64 3
65 5
66 10
67 3
68 5
69 4
70 5
71 5
72 4
73 2
74 4
75 3
76 4
77 3
78 4
79 4
80 4
81 3
82 4
83 4
84 4
85 1
86 4
87 4
88 5
89 2
90 2
91 4
92 4
93 1
94 4
95 5
96 5
97 7
98 3
99 2
100 4
> f=table(datos)
> f
datos
1 2 3 4 5 6 7 8 9 10
2 13 17 27 23 10 4 2 1 1
> n=sum(f)
> h=(f/n)*100
> F=cumsum(f)
> H=cumsum(h)
> cbind(f,h,F,H)
f h F H
1 2 2 2 2
2 13 13 15 15
3 17 17 32 32
4 27 27 59 59
5 23 23 82 82
6 10 10 92 92
7 4 4 96 96
8 2 2 98 98
9 1 1 99 99
10 1 1 100 100
> boxplot(datos)
> summary(datos)
V1
Min. : 1.00
1st Qu.: 3.00
Median : 4.00
Mean : 4.25
3rd Qu.: 5.00

Max. :10.00

SOLUCIÓN COMPENDIO EJERCICIO 8

> datos=read.table("Escalafon.txt")
> attach(datos)
> datos
V1
1 1
2 1
3 1
4 1
5 1
6 1
7 1
8 1
9 1
10 1
11 1
12 1
13 1
14 2
15 2
16 2
17 2
18 2
19 2
20 2
21 2
22 2
23 2
24 2
25 2
26 2
27 3
28 3
29 3
30 3
31 3
32 3
33 3
34 3
35 3
36 3
37 3
38 3
39 3
40 4
41 4
42 4
43 4
44 4
45 4
46 4
47 4
48 4
49 4
50 4
51 4
52 2
53 5
54 5
55 5
56 5
57 5
58 5
59 5
60 5
61 5
62 5
63 5
64 3
65 3
66 6
67 6
68 6
69 6
70 6
71 6
72 6
73 6
74 6
75 6
76 6
77 6
78 6
79 7
80 7
81 7
82 7
83 7
84 7
85 7
86 7
87 7
88 7
89 7
90 7
91 2
92 8
93 8
94 8
95 8
96 8
97 8
98 8
99 8
100 8
101 8
102 8
103 9
104 9
105 9
106 9
107 9
108 9
109 9
110 9
111 9
112 9
113 9
114 9
115 9
116 9
117 9
118 10
119 10
120 10
121 10
122 10
123 10
124 10
125 10
126 10
127 10
128 9
129 9
130 3
131 11
132 11
133 11
134 11
135 11
136 11
137 11
138 11
139 11
140 1
141 1
142 1
143 12
144 12
145 12
146 12
147 12
148 12
149 12
150 12
151 12
152 12
153 12
154 12
155 12
156 12
157 13
158 13
159 13
160 13
161 13
162 13
163 13
164 13
165 2
166 2
167 2
168 3
169 3
170 14
171 14
172 14
173 14
174 14
175 14
176 14
177 1
178 1
179 1
180 1
181 1
182 1
183 2
184 2
185 2
186 3
187 3
188 3
189 2
190 2
191 2
192 2
193 2
194 2
195 9
196 9
197 9
198 9
199 9
200 9
> f=table(datos)
> f
datos
1 2 3 4 5 6 7 8 9 10 11 12 13 14
22 27 21 12 11 13 12 11 23 10 9 14 8 7
> n=sum(f)
> n
[1] 200
> h=(f/n)*100
> h
datos
1 2 3 4 5 6 7 8 9 10 11 12 13 14
11.0 13.5 10.5 6.0 5.5 6.5 6.0 5.5 11.5 5.0 4.5 7.0 4.0 3.5
> F=cumsum(f)
> F
1 2 3 4 5 6 7 8 9 10 11 12 13 14
22 49 70 82 93 106 118 129 152 162 171 185 193 200
> H=cumsum(h)
> H
1 2 3 4 5 6 7 8 9 10 11 12 13 14
11.0 24.5 35.0 41.0 46.5 53.0 59.0 64.5 76.0 81.0 85.5 92.5 96.5 100.0
> cbind(f,h,F,H)
f h F H
1 22 11.0 22 11.0
2 27 13.5 49 24.5
3 21 10.5 70 35.0
4 12 6.0 82 41.0
5 11 5.5 93 46.5
6 13 6.5 106 53.0
7 12 6.0 118 59.0
8 11 5.5 129 64.5
9 23 11.5 152 76.0
10 10 5.0 162 81.0
11 9 4.5 171 85.5
12 14 7.0 185 92.5
13 8 4.0 193 96.5
14 7 3.5 200 100.0
> summary(datos)
V1
Min. : 1.00
1st Qu.: 3.00
Median : 6.00
Mean : 6.34
3rd Qu.: 9.00
Max. : 14.00
> boxplot(datos, main="Grados de Escalafon", xlab="Escalafon", ylab="Numero de docentes")
> boxplot(datos, notch=TRUE, col=(c("darkgreen")), main="Grados de escalafon", xlab="Docentes")
datos1=c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,2,9,1,2,3,4,5,6,7,8,9,10,11,12,13,14,2,9,1,2,3,4,5,6,7,8,9,10,11,12,13,14,3,9)
quantile(datos1, prob = seq(0, 1, length = 11), type = 5)
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
1.0 2.0 3.0 4.0 6.0 7.5 9.0 10.0 11.0 13.0 14.0
quantile(datos1)
0% 25% 50% 75% 100%
1.00 3.75 7.50 10.25 14.00
quantile(datos1, prob = c(0.15, 0.25, 0.35))
15% 25% 35%
2.05 3.75 5.00
quantile(datos1, prob = c(0.2,0.4,0.6,0.8))
20% 40% 60% 80%
3 6 9 11
em=c(16,17,22,21,27,19,22,31,15,19,22,19,20,18,18,19,16,18,16,21)
eh=c(13,12,22,21,22,18,22,27,15,10,11,19,20,18,17,19,36,18,19,20)
boxplot(em,eh)
datos2=cbind(em,eh)
summary(datos2)
em eh
Min. :15.00 Min. :10.00
1st Qu. :17.75 1st Qu. :16.50
Median :19.00 Median :19.00
Mean :19.80 Mean :18.95
3rd Qu. :21.25 3rd Qu.:21.25
Max. :31.00 Max. :36.00
f=table(em)
f
em
15 16 17 18 19 20 21 22 27 31
1 3 1 3 4 1 2 3 1 1
f=table(eh)
f
eh
10 11 12 13 15 17 18 19 20 21 22 27 36
1 1 1 1 1 1 3 3 2 1 3 1 1

SOLCUION COMPENDIO EJERCICIO 7

>datos=c(48,39,35,29,30,38,42,37,40,38,22,37,34,55,48,35,50,36,48,42,53,35,38,38,35,40,50,23,3 2,45,35,42,59,28,38,34,38,44,46,23,40,48,34,30,35,43,32,36,32,46)
> datos
[1] 48 39 35 29 30 38 42 37 40 38 22 37 34 55 48 35 50 36 48 42 53 35 38 38 35
[26] 40 50 23 32 45 35 42 59 28 38 34 38 44 46 23 40 48 34 30 35 43 32 36 32 46
> Rang=max(datos)-min(datos)
> Rang
[1] 37
> m=round(1+3.3*log10(50))
> m
[1] 7
> C=Rang/m
> C
[1] 5.285714
> C=6
> min(datos)
[1] 22
> max(datos)
[1] 59
> intervalos=cut(datos,breaks=c(19,25,31,37,43,49,55,61))
> intervalos
[1] (43,49] (37,43] (31,37] (25,31] (25,31] (37,43] (37,43] (31,37] (37,43]
[10] (37,43] (19,25] (31,37] (31,37] (49,55] (43,49] (31,37] (49,55] (31,37]
[19] (43,49] (37,43] (49,55] (31,37] (37,43] (37,43] (31,37] (37,43] (49,55]
[28] (19,25] (31,37] (43,49] (31,37] (37,43] (55,61] (25,31] (37,43] (31,37]
[37] (37,43] (43,49] (43,49] (19,25] (37,43] (43,49] (31,37] (25,31] (31,37]
[46] (37,43] (31,37] (31,37] (31,37] (43,49]
Levels: (19,25] (25,31] (31,37] (37,43] (43,49] (49,55] (55,61]
> f=table(intervalos)
> f
intervalos
(19,25] (25,31] (31,37] (37,43] (43,49] (49,55] (55,61]
3 4 16 14 8 4 1
> n=sum(f)
> n
[1] 50
> h=(f/n)*100
> h
intervalos
(19,25] (25,31] (31,37] (37,43] (43,49] (49,55] (55,61]
6 8 32 28 16 8 2
> F=cumsum(f)
> F
(19,25] (25,31] (31,37] (37,43] (43,49] (49,55] (55,61]
3 7 23 37 45 49 50

> H=cumsum(h)
> H
(19,25] (25,31] (31,37] (37,43] (43,49] (49,55] (55,61]
6 14 46 74 90 98 100
> cbind(f,h,F,H)
f h F H
(19,25] 3 6 3 6
(25,31] 4 8 7 14
(31,37] 16 32 23 46
(37,43] 14 28 37 74
(43,49] 8 16 45 90
(49,55] 4 8 49 98
(55,61] 1 2 50 100
> LimSup=c(25,31,37,43,49,55,61)
> LimInf=c(19,25,31,37,43,49,55)
> Marca=(LimSup+LimInf)/2
> Marca
[1] 22 28 34 40 46 52 58
> cbind(f,Marca,h,F,H)
f Marca h F H
(19,25] 3 22 6 3 6
(25,31] 4 28 8 7 14
(31,37] 16 34 32 23 46
(37,43] 14 40 28 37 74
(43,49] 8 46 16 45 90
(49,55] 4 52 8 49 98
(55,61] 1 58 2 50 100
> X=Marca*f
> X
intervalos
(19,25] (25,31] (31,37] (37,43] (43,49] (49,55] (55,61]
66 112 544 560 368 208 58
> Media=sum(X)/n
> Media
[1] 38.32
> cbind(f,h,F,H,Marca,X)
f h F H Marca X
(19,25] 3 6 3 6 22 66
(25,31] 4 8 7 14 28 112
(31,37] 16 32 23 46 34 544
(37,43] 14 28 37 74 40 560
(43,49] 8 16 45 90 46 368
(49,55] 4 8 49 98 52 208
(55,61] 1 2 50 100 58 58

> hist(datos, col = "green", border = 1, main = "Edad Microempresarios", xlab = "Edad" , ylab =
"frecuencia")
> plot(LimInf, F)
> lines(c(min(LimInf), LimInf,max(LimSup)),c(0,F,0),type="l")

SOLUCIÓN COMPENDIO EJERCICIO 6

>datos=c(200,190,150,148,152,158,100,174,187,188,160,178,153,151,128,137,174,199,103,168,188,127,150,130,175)

> datos

[1] 200 190 150 148 152 158 100 174 187 188 160 178 153 151 128 137 174 199 103

[20] 168 188 127 150 130 175

> Rango=max(datos)-min(datos)

> Rango

[1] 100

> min(datos)

[1] 100

> max(datos)

[1] 200

> m=round(1+3.3*log10(25))

> m

[1] 6

> C=Rango/m

> C

[1] 16.66667

> C=17

> intervalos=cut(datos, breaks=c(99,116,133,150,167,184,201))

> intervalos

[1] (184,201] (184,201] (133,150] (133,150] (150,167] (150,167] (99,116]

[8] (167,184] (184,201] (184,201] (150,167] (167,184] (150,167] (150,167]

[15] (116,133] (133,150] (167,184] (184,201] (99,116] (167,184] (184,201]

[22] (116,133] (133,150] (116,133] (167,184]

Levels: (99,116] (116,133] (133,150] (150,167] (167,184] (184,201]

> f=table(intervalos)

> f

intervalos

(99,116] (116,133] (133,150] (150,167] (167,184] (184,201]

2 3 4 5 5 6

> n=sum(f)

> n

[1] 25

> h=(f/n)*100

> h

intervalos

(99,116] (116,133] (133,150] (150,167] (167,184] (184,201]

8 12 16 20 20 24

> F=cumsum(f)

> F

(99,116] (116,133] (133,150] (150,167] (167,184] (184,201]

2 5 9 14 19 25

> H=cumsum(h)

> H

(99,116] (116,133] (133,150] (150,167] (167,184] (184,201]

8 20 36 56 76 100

> cbind(f,h,F,H)

f h F H

(99,116] 2 8 2 8

(116,133] 3 12 5 20

(133,150] 4 16 9 36

(150,167] 5 20 14 56

(167,184] 5 20 19 76

(184,201] 6 24 25 100

> LimSup=c(116,133,150,167,184,201)

> LimInf=c(99,116,133,150,167,184)

> Marca=(LimSup+LimInf)/2

> Marca

[1] 107.5 124.5 141.5 158.5 175.5 192.5

> cbind(f,Marca,h,F,H)

F Marca h F H

(99,116] 2 107.5 8 2 8

(116,133] 3 124.5 12 5 20

(133,150] 4 141.5 16 9 36

(150,167] 5 158.5 20 14 56

(167,184] 5 175.5 20 19 76

(184,201] 6 192.5 24 25 100

> x=Marca*f

> x

intervalos

(99,116] (116,133] (133,150] (150,167] (167,184] (184,201]

215.0 373.5 566.0 792.5 877.5 1155.0

> Media=sum(x)/n

> Media

[1] 159.18

> hist(datos, col = "green", border = 1, main = "Ahorros Voluntarios", xlab = "Ahorro" , ylab = "frecuencia")

> plot(LimInf, F) lines(c(min(LimInf), LimInf,max(LimSup)),c(0,F,0),type="l

ALGUNOS TERMNINOS UTILIZADOS

MEDIDAS DE TENDENCIA CENTRAL

MEDIA ARITMÉTICA:

El principal resumen que se puede hacer de una colección de datos es el promedio al que llamaremos media aritmética. Su cálculo se basa en la magnitud de los datos

Aunque es una medida de cálculo sencillo la información brindada por el número por si sola no es del todo confiable, dice poco de la distribución de los datos. Por ejemplo si decimos que el rendimiento académico de un grupo es de 2 y lo clasificamos como insuficiente, individualmente existirán estudiantes que superaron el logro y la valoración de 2. Así como existen estudiantes por debajo de esta valoración. La media aritmética es un resumen muy bueno, pero no da los detalles. El cálculo de la media aritmética depende de la forma como este dada la distribución de los datos, por eso el cálculo se lo hace de dos formas diferentes:

1. MEDIA PARA DATOS NO AGRUPADOS:

Se calcula sumando todos los datos y dividiendo por el número total de ellos.

Sean X₁, X₂, X₃,…X_ndatos no agrupados de una distribución numérica.

Si los datos enteros son pocos y se pueden ordenar en una tabla de frecuencias absolutas .

MEDIA PARA DATOS AGRUPADOS:

Hace referencia a la media calculada para los datos organizados en una distribución de frecuencias, que por lo general corresponden a datos de tipo continuo, y en una cantidad que exceden a 20 datos. Para el cálculo de la media para datos agrupados definamos primero que es una marca de clase

MARCAS DE CLASE:

Es el punto medio de cada intervalo de clase, la denotaremos como X_{i ..}

Sea [a b] los datos en el intervalo de clase, entonces la marca de clase se define como:

SUBMUESTRAS:

Si se quiere dividir la muestra total de una población en varias submuestras y se hace necesario el cálculo total de la media

Donde

n = n₁ + n₂ + ...+ n_n

PROPIEDADES DE LA MEDIA ARITMÉTICA:

1. La media es única

2. El cálculo de la media es sencillo y de fácil comprensión

3. Cuando existen datos extremos suficientemente distantes de la mayoría de los datos la media no es una medida muy confiable.

MEDIANA:

Determina la posición central que ocupa un dato en el orden de su magnitud, dividiendo la información en dos partes iguales, dejando igual número de datos por encima y por debajo de ella.

MEDIANA PARA DATOS NO AGRUPADOS:

Si los datos no están agrupados y la distribución de datos es impar, entonces la mediana es el dato central.

Si el número de datos es impar, el dato central de la distribución organizada en forma ascendente o descendente es la mediana.

X₁, X₂, X₃, X₄, ... , X_n n Impar

M_e= X_i , donde X_i representa el dato central

Si el número de datos es par, el promedio de los datos centrales corresponde al valor de la mediana.

X₁, X₂, X₃, X₄, ... , X_n n par

M_e= , donde X_i, X_j representan Los datos centrales

MEDIANA PARA DATOS AGRUPADOS:

Dónde:

Li = Limite real inferior a la clase mediana

n = Es el tamaño de la muestra o población

Fa = Frecuencia acumulada anterior a la clase mediana.

C = Ancho del intervalo

f= Frecuencia observada en la clase mediana

CLASE MEDIANA:

Se entiende por clase mediana al primer intervalo de clase que contiene en las frecuencias acumuladas el valor de n /2, siempre que el número de intervalos sea par, de lo contrario la clase mediana es el intervalo central.

LOS CUANTILES:

Son medidas derivadas de la mediana, e intentan medir en valores de proporción más pequeña que la mediana misma a una muestra. Los cuantiles se dividen en:

1. Cuartiles

2. Deciles

3. Percentiles

4. Quintiles

CUARTILES:

Los cuartiles son valores posiciónales. Son medidas de tendencia central que dividen la distribución de datos en cuatro partes iguales. Muestra la importancia de la cuarta parte de la muestra analizada. Se simboliza con Q.

El primer cuartil deja el 25% de la información por debajo de él, y el 75% por encima, el segundo cuartil, al igual que la mediana, divide la información en dos partes iguales, y por último el tercer cuartil deja el 75% por debajo de sí, y el 25% por encima.

Gráficamente:

0% 25% 50% 75%

Se necesita, entonces calcular tres cuartillas ya que la cuarta queda automáticamente determinada.

CUARTIL 1: Q1

Representa el 25% de la muestra tomada. Por encima de este valor esta el 75% de los valores de una distribución.

CUARTIL 2: Q2

Se obtiene cuando K = 2; representa el 50% de la muestra tomada. Por encima de este valor esta el 50% de los valores de una distribución.

CUARTIL 3: Q3

Se obtiene cuando K = 3; representa el 75% de la muestra tomada. Por debajo de este valor esta el 25% de los valores de una distribución.

DECILES:

Se definen como la medida de tendencia central que divide la distribución de datos en diez partes iguales. Muestra la importancia de la décima parte de la muestra analizada. Se simboliza con D.

PERCENTILES:

Se definen como la medida de tendencia central que divide la distribución de datos en cien partes iguales. Muestra la importancia de la centésima parte de la muestra analizada. Se simboliza con P.

TALLER EN CLASE

MAPA MENTAL

MAPA MEDIDAS DE TENDENCIA CENTRAL

lunes, 6 de octubre de 2014

ESTADISTICA DESCRIPTIVA II CORTE

ESTADISTICA DESCRIPTIVA
II CORTE

TATIANA VIDAL VALERO
ANDREA PASCUAZA ALMANZA

domingo, 5 de octubre de 2014

BIGOTES

martes, 2 de septiembre de 2014

SOLUCION COMPENDIO 2

COMPENDIO DOS
ORGANIZANDO LAS TABLAS EN R PARA DATOS NO AGRUPADOS

Comandos en R

Resultado

Construimos la tabla de frecuencias absolutas
datos=read.table("logros.txt")
attach(datos)
datos
f=table(datos)
f

A D E I S
5 4 3 3 5
Ahora se ordena los datos

A S D E I
5 5 4 3 3
Suma de frecuencias absolutas
n=sum(f)
n

[1] 20
Frecuencias relativas
h=(f/n)*100
h

A S D E I
25 25 20 15 15
Frecuencias Absolutas Acumuladas
F=cumsum(f)
F

A S D E I
5 10 14 17 20

Frecuencias Relativas Acumuladas
H=cumsum(h)
H

A S D E I
25 50 70 85 100
Tabla de frecuencias
cbind(f,h,F,H)
f h F H
A 5 25 5 25
S 5 25 10 50
D 4 20 14 70
E 3 15 17 85
I 3 15 20 100

El comando table, permite obtener inicialmente la tabla de frecuencias absolutas

EJERCICIOS DE APLICACIÓN:

1. En un estudio relacionado con el turismo en el Meta se realizó la siguiente pregunta
Cuál es el principal motivo por el cual usted visita al departamento del Meta?
Las opciones se clasifican así:

Se aplicó la pregunta a 100 turistas y se obtuvieron los siguientes resultados
1
4
4
2
5
3
3
2
4
5
1
6
2
3
2
6
1
1
6
3
4
2
6
2
1
6
3
2
3
6
2
1
3
4
1
3
6
2
1
3
6
2
3
6
3
4
3
6
3
5
3
3
4
5
6
3
5
3
3
4
5
5
3
5
3
4
4
5
5
6
1
3
4
4
4
4
1
3
1
4
4
4
1
2
1
5
4
3
1
2
1
5
3
2
4
2
5
5
3
2

Elabore en R una tabla de frecuencias para la información obtenida.

1. En una encuesta aplicada a microempresarios de la ciudad de Villavicencio se desea indagar sobre su formación de acuerdo a la siguiente información:

La encuesta se aplicó a 150 microempresarios y los resultados fueron los siguientes
4
3
2
4
4
2
2
4
2
4
4
4
3
2
4
3
2
4
3
4
2
3
4
4
4
2
1
3
3
3
2
4
2
3
4
3
4
3
4
4
2
4
4
4
4
4
3
3
3
4
3
3
3
4
4
4
4
2
3
3
4
3
3
3
4
3
5
4
4
4
4
2
3
4
4
4
3
3
3
3
2
2
3
4
4
4
3
4
2
4
1
3
3
4
3
4
5
4
3
4
4
4
4
4
3
4
3
3
4
4
4
3
3
3
4
4
4
4
2
3
4
5
2
4
4
3
4
3
4
4
4
3
2
3
2
4
4
2
4
4
4
4
4
4
2
4
3
4
3
3
Elabore en R una tabla de frecuencias para los datos encontrados
GRAFICOS EN R PARA DATOS ENTEROS (NO AGRUPADOS)

Comandos en R

Gráficos

Grafico para frecuencias absolutas ( Diagrama de barras verticales)

barplot(f,col=c(2,3,4,5,6),names.arg=c(" "),main="DIAGRAMA DE BARRAS", ylab="Frecuencia absoluta",xlab=" ")
legend(4,5,c("A","S","D","E","I"), fill = c(2,3,4,5,6))

Las barras también pueden tener el siguiente aspecto.
barplot(f,space=5,col="blue",
ylim=c(0,6),ylab="f",main="Gráfico de Líneas: Valoraciones")
abline(h=0)

Grafico para frecuencias relativas, Grafico circular o grafico de tortas.
pie(h,col=c(2,3,4,5,6),main="GRAFICO CIRCULAR")

Grafico para frecuencias acumuladas
plot.ecdf(H,main="distribución acumulada")

SOLUCION COMPENDIO 3

TALLER

EJERCICIOS DE APLICACIÓN

1. Solicite la estatura de 25 de sus compañeros de clase y determine para los datos obtenidos

a. Una distribución de frecuencias

b. Gráficos en R correspondientes a: Histogramas, Polígonos y ojivas.

2. Realice interpretación del siguiente gráfico

3. En el hospital regional de la ciudad se recogió la siguiente información, de la población allí recepcionada.

Deficiencia de Insulina 8 casos

Deficiencias enzimáticas 12 casos

Deficiencias en el crecimiento óseo 20 casos

Parálisis muscular y nerviosa 15 casos

Escorbuto 18 casos

Raquitismo 30 casos

Realizar una representación gráfica usando los gráficos más apropiados para representar la información.

SOLUCION MEDIANTE GRAFICO DE BARRAS

4. En una encuesta realizada por un grupo de estudiantes sobre el tipo de cultivo más representativo en la región, se obtuvieron los siguientes datos.

Determine una gráfica apropiada, para representar la información, suministrada.

II. Las siguientes preguntas corresponden a modelos de preguntas que realiza el Instituto Colombiano para el fomento de la educación superior ICFES, en sus pruebas a bachilleres que desean ingresar a la educación superior

1. Una firma de producción múltiple tiene 4 líneas de productos durante el mes de octubre del 2003 los resultados obtenidos al hacer la operación de control de calidad fueron:

El promedio porcentual de artículos defectuosos en el mes de octubre es de

A. 263.5 B. 264.5 C. 265.5 D. 266.5 E. 267.5

Se calcula la frecuencia de todos los productos se totalizan y luego se divide por el número de productos y el resultado se divide en 100

2. Se realiza un censo a un grupo de familia de una comunidad educativa para determinar el número de hijos que habita en cada hogar. El porcentaje de hijos por familia está representado por las siguiente grafica

3. En la Cafetería de la universidad se ha creado con estudiantes y profesores una cooperativa para atender en los descansos a los demás estudiantes, para tal caso fabrican chocolates en una cantidad apreciada por ser el producto de mayor venta. La siguiente grafica se muestra las ventas reales de enero a julio de chocolates.

A. La grafica corresponde a un polígono de frecuencias ya que se unió los puntos medios de un intervalo de clase.

B. Las ventas crecieron entre Abril y Mayo

C. La grafica no brinda suficiente información sobre el comportamiento de las ventas durante los meses de enero a junio

D. Las peores ventas estuvieron entre marzo y abril

E. Entre enero y febrero se vendió lo mismo que entre los meses de mayo y junio.

4. La grafica de tortas corresponde a 50 estudiantes de una universidad, cuantos estudiantes tienen notas por debajo de 3.

A. 20

B. 10

C. 25

D. 30

E. 15

5. Varios profesores de una fueron consultados sobres sus prácticas deportivas. Cada profesor marco con una X sus deportes preferidos. Según la tabla, cuantos profesores practican fútbol, Atletismo pero no Coleo? P1, P2, P3, P4, P5; Son los profesores.

7. La siguiente gráfica muestra el porcentaje de ventas de lámparas respecto a la capacidad máxima de producción de una microempresa durante los doce meses del año., los que aparecen numerados así: 1 es el mes de enero, el 2 es febrero y así sucesivamente

De acuerdo con la información contenida en la gráfica, se puede afirmar todo lo siguiente, excepto:

Hay mayores ventas entre junio y agosto que entre septiembre y octubre
Las ventas en los meses de julio y octubre fueron las mismas
Entre agosto y octubre no se vendieron lámparas
Entre el mes de abril y agosto las ventas de lamparas aumentaron aproximadamente en un 55%.

8. De acuerdo a la tabla el número de familia con un número de hijos, se puede afirmar que el porcentaje de familias que tiene un solo hijo es de:

A. 20.5%

B. 12.5%

C. 1 Familia

D. 25 familias

E. 28.9%

9. Una encuesta de 1990 a 1,000 adultos y a 500 adolescentes estudió la pregunta: ¿Cuál es el problema principal de los colombianos? Los resultados fueron como sigue:

A. Entre las dos generaciones de edad el mayor problema observado es la drogadicción.

B. La pobreza y el SIDA en los adultos y adolescentes tiene poca significancia

C. El promedio de adultos que opinaron sobre la guerra sobrepasa al promedio de los adolescentes.

D. El problema de la drogas, en los adultos y adolescentes no sobrepasa al cuartel de la población total.

E. EL Déficit presupuestal es lo que menos les importa a los Colombianos.

10. Varios profesores de un colegio fueron consultados sobres sus prácticas deportivas. Cada profesor marco con una X sus deportes preferidos. Según la tabla, cuantos profesores practican fútbol, Atletismo pero no Coleo? P1, P2, P3, P4, P5; Son los profesores.

11. El siguiente diagrama de barras Representa las notas de los resultados de un examen de estadística

12. EL consejo de administración de una cooperativa de vivienda desea investigar la posibilidad de contratar un supervisor para el parque de juegos infantiles. Se hizo una encuesta en la totalidad de las 616 familias de la cooperativa y cada familia tuvo un solo voto, cualquiera que fuera el tamaño del apartamento los resultado fueron.

La grafica que corresponde correctamente a la distribución es: c

13. Los empleados de la fábrica, xyz, entraron en protesta debido a los bajos salarios (En miles de pesos) Devengados, se basaron en un estudio estadístico realizado por uno de los trabajadores que estudia Administración de empresas en la universidad, el cual justifico su teoría mediante la gráfica de abajo.

De esta información se puede aceptar que:

1. Los mayores salarios recibidos están únicamente entre $200.000 y $300.000

2. Los mayores salarios recibidos están entre [$200.000, $300.000] y entre [$500.000, $600.000]

3. El 45.4% ganan salarios inferiores a $400.000

4. 10 empleados ganan $200.000 y $500.000

14. Una de las siguientes gráficas corresponde a la distribución dada en la gráfica: