Informe de la aplicación práctica en RStudio

UNIVERSIDAD TÉCNICA DE COTOPAXI EXTENSIÓN LA MANÁ

FACULTAD DE CIENCIAS ADMINISTRATIVAS

CARRERA LICENCIATURA EN CIENCIAS ADMINISTRATIVAS

TEMA

Informe de la aplicación práctica en RStudio.

ASIGNATURA

Estadística aplicada a los negocios

INGENIERO

Mg. Sc Fabian Xavier Martines Ortiz

INTEGRANTES

• Llomay Doicela

• Adamaris Segovia

• Felix Emanuel

• Glenda Loor

CICLO

Cuarto Semestre

LA MANA – COTOPAXI

1 Objetivos

1.1 Objetivo General

Estructurar un análisis descriptivo de las funciones ejecutadas en los vectores de estudio realizados en la programación de RStudio.

1.2 Objetivo Especifico

• Analizar las medidas de tendencia central de los vectores edad, peso, talla a través de RStudio.

• Analizar las mediadas de dispersión de los vectores de trabajo a través de RStudio.

• Analizar los datos resumidos de los vectores representadas en la tabla de datos y en las gráficas de diagramas.

2 Desarrollo

Resolución del de la aplicación práctica de los vectores establecidos en RStudio.

2.1 La base de datos

Como primera práctica del trabajo deberemos establecer una base de dato en Excel con el que próximamente se trabajara en RStudio, por el que en este caso se utilizara una base de datos que será la nómina de estudiantes del 4to Semestre con las variables edad, talla y peso.

2.2 Cargamos una base de datos

Para cargar la base de datos debemos importar el documento con la opción de “import dataset” pero antes de importar deberemos copiar el “code preview” que es la ubicación del archivo para luego copiarlo en la Región de trabajo y ejecutar el script.

2.3 Medidas de posición

Para el análisis de datos usamos las distintas funciones de rstudio empezando por encontrar el rango máximo y mínimo que sus códigos son max ( ) y min ( ) dentro del paréntesis establecemos el nombre del documento que cargamos anteriormente más el signo de “$” para identificar el vector con el que estaremos trabajando.

Como resultado del análisis de datos del vector edad tenemos un máximo de edades de 57 años, un mínimo de 19 años, en un número de 23 datos y con un rango de entre la edad máxima y mínima de 38 años.

2.4 Medidas de tendencia central

Para obtener las medidas de tendencia central tomamos en cuenta la mediana, la media y la moda, que sus funciones se ejecuta mediante sus codificaciones respectivas que para calcular la mediana su código es median (nombre de la base de datos $ elegimos el vector ) donde dentro de los paréntesis estará el nombre de la base de datos importado o el conjunto de dato de donde se está obteniendo la información más el “$” para identificar el vector que se desea calcular y de la misma manera trabajamos para obtener la media con su código mean ( nombre de la base de datos $ elegimos el vector).

Con esto podemos deducir a través de los resultados obtenidos que la edad media de la variable edad es de 21 años que representa el promedio de edades, mientras que la mediana muestra el valor que ocupa el lugar central de todos los datos, en el que obtenemos la edad de 20 años como el valor de la mediana.

2.4.1 Calculo de la moda mediante la función del packages “modeest”

Para el análisis de esta función se debe tener instalado el paquete de “modeest” de lo contrario se debe ejecutar el siguiente script << install.packages("modeest") >>. Teniendo instado el paquete deberemos usar el siguiente comando << library(modeest)>> para activarlo, a continuación de este comando usaremos el comando moda = mlv (base de datos, method = "mfv") para el cálculo de la función moda.

Con esta función podemos interpretar que la moda de nuestra base de datos del vector “edad” es de 20 años, lo que demuestra que este es el valor más frecuente de nuestro conjunto de dato.

2.5 Medida de dispersión

Para desarrollar las funciones de las medidas de dispersión debemos usar los comandos << var (base de datos +$ el vector)>> para encontrar la varianza y << sd (base de dato +$ el vector) >> para encontrar la desviación estándar.

Con los resultados obtenidos podemos determinar que a través de la varianza la medida en que se encuentras los datos en entorno a la media es de 60 y que la medida que obtuvimos de la desviación estándar muestra que la dispersión que existe entre la media de la variable edad es de 7 años.

2.5.1 Cuartiles por medio de la funcion “quantile ()”

Para obtener los cuartiles de una base de datos debemos entender que existen varias maneras para dar con su resultado pero una de las funciones más rápidas es mediante el siguiente comando << quantile( base de dato + $ escoge la variable,+ c( … ), type = … ) >> en el cual no necesitaremos ordenar los datos si no que la función lo hará automáticamente y no

...