Asignatura: Herramientas y lenguajes computacionales

Carrera: Licenciatura en matemáticas

Alumno: Raúl Ibáñez Couoh

Docente: Elena Tzetzangary Aguirre Mejía

Unidad 2. Estadística con R

Actividad 2. Análisis estadístico y muestreo

22/02/2018, Zihuatanejo, Guerrero, México.

Para esta tabla utilizaremos las operaciones básicas que posee Rstudio ya que se nos otorga
la marca de clase y los valores de n.

Establezco 2 vectores x y n:

x<- c(5,10,15,20,25)

n<- c(3,7,5,3,2)

Para después proceder a realizar el siguiente script:

x<- c(5,10,15,20,25)
n<- c(3,7,5,3,2)

Media<- c(sum(x*n)/sum(n))

print(Media)

#desviación media

DM<-c((sum(abs(x-Media)*n))/sum(n))

print(DM)

#desviacion estandar

s<-c(sqrt((sum(x^2*n)/sum(n))-((sum(x*n)/sum(n))^2)))

print(s)

#varianza

varianza<- c(s^2)

print(varianza)

#rango

range(x)

Para obtener en consola lo siguiente:

> x<- c(5,10,15,20,25)
> n<- c(3,7,5,3,2)
> Media<- c(sum(x*n)/sum(n))
> print(Media)
[1] 13.5
> #desviación media
> DM<-c((sum(abs(x-Media)*n))/sum(n))
> print(DM)
[1] 5
> #desviacion estandar
> s<-c(sqrt((sum(x^2*n)/sum(n))-((sum(x*n)/sum(n))^2)))
> print(s)
[1] 5.937171
> #varianza
> varianza<- c(s^2)
> print(varianza)
[1] 35.25
> #rango
> range(x)
[1] 5 25

Si deseáramos observar ambos vectores como una tabla lo podríamos logras:

Para dicho ejercicio tendremos que hacer uso de dos vectores los cuales serán nuestros
intervalos para poder así obtener la marca de clase.
Teniendo así el siguiente script:

q<-c(0,100,200,300)

w<- c(100,200,300,800)

x<- c((q+w)/2)

print(x)

n<- c(90,140,150,120)

Media<- c(sum(x*n)/sum(n))

print(Media)

#desviación media

DM<-c((sum(abs(x-Media)*n))/sum(n))

print(DM)

#desviacion estandar

s<-c(sqrt((sum(x^2*n)/sum(n))-((sum(x*n)/sum(n))^2)))

print(s)

#varianza
varianza<- c(s^2)

print(varianza)

#rango

range(x)

Para reflejarse de la siguiente manera en consola:

> print(x)
[1] 50 150 250 550
> q<-c(0,100,200,300)
> w<- c(100,200,300,800)
> x<- c((q+w)/2)
> print(x)
[1] 50 150 250 550
> n<- c(90,140,150,120)
> Media<- c(sum(x*n)/sum(n))
> print(Media)
[1] 258
> #desviación media
> DM<-c((sum(abs(x-Media)*n))/sum(n))
> print(DM)
[1] 140.16
> #desviacion estandar
> s<-c(sqrt((sum(x^2*n)/sum(n))-((sum(x*n)/sum(n))^2)))
> print(s)
[1] 177.5838
> #varianza
> varianza<- c(s^2)
> print(varianza)
[1] 31536
> #rango
> range(x)
[1] 50 550
Elaboramos lo siguiente:
q<-c(16,18,30,50,70)
> w<-c(18,30,50,70,90)
> #marca de clase
> x<-c((q+w)/2)
> morelia<-c(3.54,21.56,31.63,28.14,15.12)
> morelos<-c(4.35,29.99,35.21,21.97,8.48)
> #Media
> Media1<- c(sum(x*morelia)/sum(morelia))
> print(Media1)
[1] 47.41294
> Media2<- c(sum(x*morelos)/sum(morelos))
> print(Media2)
[1] 41.9871
> #desviación media
> DM1<-c((sum(abs(x-morelia)*morelia))/sum(morelia))
> print(DM1)
[1] 22.42748
> DM2<-c((sum(abs(x-morelos)*morelos))/sum(morelos))
> print(DM2)
[1] 18.45332
> #desviacion tipica
> s1<-c(sqrt((sum(x^2*morelia)/sum(morelia))-((sum(x*morelia)/sum(morelia))^2)))
> print(s1)
[1] 19.32592
> s2<-c(sqrt((sum(x^2*morelos)/sum(morelos))-((sum(x*morelos)/sum(morelos))^2)))
> print(s2)
[1] 17.87169
> #varianza
> varianza1<- c(s1^2)
> print(varianza1)
[1] 373.4913
> varianza2<- c(s2^2)
> print(varianza2)
[1] 319.3973
> z=cbind(x,morelia,morelos)
> z
x morelia morelos
[1,] 17 3.54 4.35
[2,] 24 21.56 29.99
[3,] 40 31.63 35.21
[4,] 60 28.14 21.97
[5,] 80 15.12 8.48
> hist(z)

b)

> summary(morelia)
Min. 1st Qu. Median Mean 3rd Qu. Max.
3.54 15.12 21.56 20.00 28.14 31.63
> summary(morelos)
Min. 1st Qu. Median Mean 3rd Qu. Max.
4.35 8.48 21.97 20.00 29.99 35.21
Haciendo uso del script anterior y solamente cambiando los títulos :

x<- c(70,74,78,82,86,90,94,98,102,106,110,114,118,122,126)

print(x)

n<- c(4,9,16,28,45,66,85,72,54,38,27,18,11,5,2)

print(n)
#cociente intelectual

Media<- c(sum(x*n)/sum(n))

print(Media)

#desviación media

DM<-c((sum(abs(x-Media)*n))/sum(n))

print(DM)

#desviacion tipica

s<-c(sqrt((sum(x^2*n)/sum(n))-((sum(x*n)/sum(n))^2)))

print(s)

#varianza

varianza<- c(s^2)

print(varianza)

#rango

range(x)

a) C.I=95.6667
b) S= 10.46895

Lo anterior se muestra en lo obtenido en la consola:

> x<- c(70,74,78,82,86,90,94,98,102,106,110,114,118,122,126)
> print(x)
[1] 70 74 78 82 86 90 94 98 102 106 110 114 118 122 126
> n<- c(4,9,16,28,45,66,85,72,54,38,27,18,11,5,2)
> print(n)
[1] 4 9 16 28 45 66 85 72 54 38 27 18 11 5 2
> #cociente intelectual
> Media<- c(sum(x*n)/sum(n))
> print(Media)
[1] 95.96667
> #desviación media
> DM<-c((sum(abs(x-Media)*n))/sum(n))
> print(DM)
[1] 8.289861
> #desviacion tipica
> s<-c(sqrt((sum(x^2*n)/sum(n))-((sum(x*n)/sum(n))^2)))
> print(s)
[1] 10.46895
> #varianza
> varianza<- c(s^2)
> print(varianza)
[1] 109.5989
> #rango
> range(x)
[1] 70 126

Bibliografía
Santana, J. S. (2014). El arte de programar en R: un lenguaje para la estadística. México:
Instituto Mexicano de Tecnología del Agua.