Está en la página 1de 112

TRABAJO

ANALISIS DE LAS PREGUNTAS 1-5 DE LA ENCUESTA

SOLANGY ANDREA MARTIN VALENCIA


YENNY CATHERINE RODRIGUEZ HERNANDEZ
YENITH LIZETH RODRIGUEZ

UNIVERSIDAD COOPERATIVA DE COLOMBIA


DOCENTE: JORGE OBANDO
ESTADISTICA DESCRIPTIVA
VILLAVICENCIO
2014

PRIMERA PREGUNTA.

1. Su situacin actual en cuanto a empleo es:


0. No busca empleo 1. Desempleado 2. Subempleado 3. Empleado
4. Independiente 5. NS/NR

> datos=read.table("primera1.txt")
> attach(datos)
> datos
V1
1
Empleado
2
Empleado
3
Desempleado
4
Independiente
5
Independiente
6
Desempleado
7
Desempleado
8
Desempleado
9
Empleado
10
Empleado
11
Desempleado
12
Desempleado
13
Desempleado
14
Empleado
15
Empleado
16
Empleado
17
No
18
busca
19
empleo
20
Empleado
21
Empleado
22
Empleado
23 Independiente
24 Independiente
25
Empleado
26 Independiente
27
Empleado
28
Desempleado
29
Empleado
30
Subempleado
31
Empleado
32 Independiente
33
No
34
busca
35
empleo
36
Empleado
37 Independiente
38
Desempleado
39
Empleado

40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93

Independiente
Independiente
Empleado
Empleado
Independiente
Independiente
Empleado
Independiente
Independiente
Independiente
Empleado
Empleado
Independiente
Independiente
Independiente
Empleado
Empleado
Independiente
Empleado
Empleado
Empleado
Desempleado
Empleado
Independiente
Empleado
Desempleado
Empleado
Independiente
Independiente
No
busca
empleo
Independiente
No
busca
empleo
Subempleado
Independiente
No
busca
empleo
Independiente
Independiente
Empleado
No
busca
empleo
Independiente
Empleado
Independiente
Independiente
Empleado
Empleado
Empleado

94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147

Empleado
Empleado
Empleado
Empleado
Empleado
Independiente
Empleado
Independiente
Empleado
Independiente
Independiente
No
busca
empleo
Independiente
Desempleado
Desempleado
Empleado
Empleado
Desempleado
Desempleado
Independiente
Empleado
Independiente
Independiente
Empleado
Empleado
Empleado
Independiente
Empleado
Independiente
Subempleado
Empleado
Empleado
Empleado
Empleado
Empleado
Independiente
Independiente
Desempleado
Independiente
Empleado
Empleado
Empleado
Empleado
Empleado
Independiente
Empleado
Empleado
Empleado
Empleado
Empleado
Empleado
Independiente

148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201

Empleado
Independiente
Desempleado
Subempleado
Independiente
Empleado
No
busca
empleo
Empleado
No
busca
empleo
Independiente
Desempleado
Desempleado
Independiente
Empleado
Empleado
Empleado
Independiente
Empleado
Independiente
Empleado
Desempleado
Empleado
Independiente
Desempleado
Desempleado
No
busca
empleo
No
busca
empleo
Empleado
Empleado
Empleado
Empleado
Independiente
No
busca
empleo
Desempleado
Subempleado
Independiente
Empleado
Empleado
Empleado
Desempleado
Desempleado
Empleado
Empleado
Empleado

202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255

Independiente
Independiente
Independiente
Empleado
Independiente
Independiente
Independiente
Independiente
Independiente
No
busca
empleo
Empleado
Desempleado
Independiente
Independiente
Independiente
No
busca
empleo
No
busca
empleo
Empleado
Empleado
Desempleado
No
busca
empleo
Desempleado
Empleado
Empleado
Empleado
Independiente
Independiente
No
busca
empleo
No
busca
empleo
Desempleado
Desempleado
Empleado
Empleado
Empleado
Empleado
Independiente
Desempleado
Empleado
Desempleado
Independiente
Independiente
Empleado

256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309

Independiente
Independiente
Empleado
Desempleado
Empleado
Empleado
Independiente
Desempleado
Independiente
Empleado
Empleado
Empleado
Empleado
Independiente
Empleado
Empleado
No
busca
empleo
Empleado
Independiente
Subempleado
Desempleado
Empleado
No
busca
empleo
Empleado
Independiente
Independiente
Desempleado
Independiente
Empleado
Independiente
Independiente
Independiente
Empleado
Independiente
No
busca
empleo
Empleado
Empleado
No
busca
empleo
Empleado
Empleado
Empleado
Empleado
Desempleado
Empleado
Empleado
Desempleado

310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363

Desempleado
Independiente
Independiente
Desempleado
Empleado
Desempleado
Desempleado
Empleado
Empleado
Desempleado
Desempleado
Desempleado
No
busca
empleo
Empleado
Desempleado
Independiente
Independiente
Independiente
Empleado
Subempleado
No
busca
empleo
Independiente
Empleado
Desempleado
Independiente
Empleado
Independiente
Empleado
Independiente
Independiente
Independiente
Desempleado
Independiente
Desempleado
Desempleado
Empleado
Independiente
Empleado
Desempleado
Independiente
Empleado
Desempleado
Empleado
Desempleado
Desempleado
Independiente
Empleado
Empleado
Desempleado
Desempleado

364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417

Independiente
Empleado
Empleado
Independiente
Independiente
No
busca
empleo
Empleado
Empleado
Empleado
Desempleado
Desempleado
Desempleado
Independiente
Empleado
Desempleado
Desempleado
Empleado
Empleado
Desempleado
Empleado
Empleado
Desempleado
Independiente
Empleado
Desempleado
Desempleado
Empleado
Empleado
Desempleado
Empleado
Empleado
Desempleado
Empleado
Subempleado
Empleado
No
busca
empleo
Independiente
Desempleado
Desempleado
Empleado
Empleado
Independiente
Desempleado
Empleado
Desempleado
Empleado
Independiente
Empleado
Empleado
Empleado

418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446

Empleado
Desempleado
Independiente
Desempleado
Independiente
Empleado
Empleado
Empleado
Empleado
Empleado
Empleado
Empleado
Empleado
Desempleado
Desempleado
Subempleado
Independiente
Independiente
Independiente
Empleado
Independiente
Subempleado
Desempleado
Empleado
Empleado
Empleado
Empleado
Empleado
Empleado

> datos1=read.table("primera.txt")
> attach(datos1)
The following object is masked from datos:
V1
> datos1
V1
1
3
2
3
3
1
4
4
5
4
6
1
7
1
8
1
9
3
10
3
11
1
12
1
13
1
14
3
15
3
16
3

17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70

0
3
3
3
4
4
3
4
3
1
3
2
3
4
0
3
4
1
3
4
4
3
3
4
4
3
4
4
4
3
3
4
4
4
3
3
4
3
3
3
1
3
4
3
1
3
4
4
0
4
0
2
4
0

71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124

4
4
3
0
4
3
4
4
3
3
3
3
3
3
3
3
4
3
4
3
4
4
0
4
1
1
3
3
1
1
4
3
4
4
3
3
3
4
3
4
2
3
3
3
3
3
4
4
1
4
3
3
3
3

125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178

3
4
3
3
3
3
3
3
4
3
4
1
2
4
3
0
3
0
4
1
1
4
3
3
3
4
3
4
3
1
3
4
1
1
0
0
3
3
3
3
4
0
1
2
4
3
3
3
1
1
3
3
3
4

179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232

4
4
3
4
4
4
4
4
0
3
1
4
4
4
0
0
3
3
1
0
1
3
3
3
4
4
0
0
1
1
3
3
3
3
4
1
3
1
4
4
3
4
4
3
1
3
3
4
1
4
3
3
3
3

233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286

4
3
3
0
3
4
2
1
3
0
3
4
4
1
4
3
4
4
4
3
4
0
3
3
0
3
3
3
3
1
3
3
1
1
4
4
1
3
1
1
3
3
1
1
1
0
3
1
4
4
4
3
2
0

287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340

4
3
1
4
3
4
3
4
4
4
1
4
1
1
3
4
3
1
4
3
1
3
1
1
4
3
3
1
1
4
3
3
4
4
0
3
3
3
1
1
1
4
3
1
1
3
3
1
3
3
1
4
3
1

341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394

1
3
3
1
3
3
1
3
2
3
0
4
1
1
3
3
4
1
3
1
3
4
3
3
3
3
1
4
1
4
3
3
3
3
3
3
3
3
1
1
2
4
4
4
3
4
2
1
3
3
3
3
3
3

>
>
>
>
>
>

f=table(datos)
n=sum(f)
h=(f/n)*100
F=cumsum(f)
H=cumsum(h)
cbind(f,h,F,H)

f
h
F
H
busca
26 5.829596 26
5.829596
Desempleado
76 17.040359 102 22.869955
Empleado
172 38.565022 274 61.434978
empleo
26 5.829596 300 67.264574
Independiente 110 24.663677 410 91.928251
No
26 5.829596 436 97.757848
Subempleado
10 2.242152 446 100.000000
>
>
>
>
>
>

f=table(datos1)
n=sum(f)
h=(f/n)*100
F=cumsum(f)
H=cumsum(h)
cbind(f,h,F,H)

f
h
0 26 6.598985
1 76 19.289340
2 10 2.538071
3 172 43.654822
4 110 27.918782

F
H
26
6.598985
102 25.888325
112 28.426396
284 72.081218
394 100.000000

> summary(datos)
V1
busca
: 26
Desempleado : 76
Empleado
:172
empleo
: 26
Independiente:110
No
: 26
Subempleado : 10
> summary(datos1)
V1
Min.
:0.00
1st Qu.:1.00
Median :3.00
Mean
:2.67
3rd Qu.:4.00
Max.
:4.00
> boxplot(datos1)
> boxplot(datos1, main="situacion actual en cuanto a empleo",
xlab="Escalafon", ylab="situacion actual")
> boxplot(datos1, notch=TRUE, col=(c("darkblue")), main="situacion
actual en cuanto a empleo", xlab="Situacion actual")

> barplot(f,col=c(2,3,4,5,6),names.arg=c(" "),main="DIAGRAMA DE


BARRAS", ylab="Frecuencia absoluta",xlab=" ")
> legend(1,150,c("Busca
Empleo","Desempleado","subempleado","Empleado","Independiente"), fill
= c(2,3,4,5,6,7))
> barplot(f,col=c(2,3,4,5,6),names.arg=c(" "),main="DIAGRAMA DE
BARRAS", ylab="Frecuencia absoluta",xlab=" ")
> legend(1,150,c("Busca
Empleo","Desempleado","subempleado","Empleado","Independiente"), fill
= c(2,3,4,5,6,7))

> pie(h,col=c(2,3,4,5,6),main="GRAFICO CIRCULAR")

datos=c(3,3,1,4,4,1,1,1,3,3,1,1,1,3,3,3,0,3,3,3,4,4,3,4,3,1,3,2,3,4,0,
3,4,1,3,4,4,3,3,4,4,3,4,4,4,3,3,4,4,4,3,3,4,3,3,3,1,3,4,3,1,3,4,4,0,4,
0,2,4,0,4,4,3,0,4,3,4,4,3,3,3,3,3,3,3,3,4,3,4,3,4,4,0,4,1,1,3,3,1,1,4,
3,4,4,3,3,3,4,3,4,2,3,3,3,3,3,4,4,1,4,3,3,3,3,3,4,3,3,3,3,3,3,4,3,4,1,
2,4,3,0,3,0,4,4,3,3,3,4,3,4,3,1,3,4,1,1,0,0,3,3,3,3,4,0,1,2,4,3,3,3,1,
1,3,3,3,4,4,4,3,4,4,4,4,4,0,1,4,4,4,0,0,3,3,1,0,1,3,3,3,4,4,0,0,1,1,3,
3,3,3,4,1,3,1,4,4,3,4,4,3,1,3,3,4,1,4,3,3,3,3,4,3,3,0,4,2,1,3,0,3,4,4,
1,4,3,4,4,4,3,4,0,3,3,0,3,3,3,3,1,3,3,1,1,4,4,1,3,1,1,3,3,1,1,1,0,3,1,
4,4,4,3,2,0,4,3,1,4,3,4,3,4,4,4,1,4,1,1,3,4,3,1,4,3,1,3,1,1,4,3,3,1,1,
4,3,3,4,4,0,3,3,3,1,1,1,4,3,1,1,3,3,1,3,3,1,4,3,1,1,3,3,1,3,3,1,3,2,0,
4,1,1,3,3,4,1,3,1,3,4,3,3,3,3,1,4,1,4,3,3,3,3,3,3,3,3,1,1,2,4,4,4,3,4,
2,1,3,3,3,3,3,3)
> quantile(datos, prob = seq(0, 1, length = 11), type = 5)
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
0
1
1
3
3
3
3
3
4
4
4
> quantile(datos)
0% 25% 50% 75% 100%
0
1
3
4
4
> quantile(datos, prob = c(0.15, 0.25, 0.35, 0.86, 0.99))
15% 25% 35% 86% 99%
1
1
3
4
4

ANALISIS.
En base a la informacin obtenida a travs de la tabulacin de la primera
pregunta de la encuesta, podemos encontrar que la media es 2,67, y la
mediana 3.0 lo cual nos lleva a deducir que en promedio las personas tienden
a ser empleados y subempleados.

SEGUNDA PREGUNTA.
2. Su nivel de preocupacin respecto a quedarse sin empleo es
0. Nada

1. Poco

2. Mucho

> datos=read.table("segunda.txt")
> attach(datos)
> datos
V1
1
1
2
2
3
2
4
2
5
0
6
2
7
0
8
1
9
2
10
2
11
2
12
0
13
1
14
2
15
2
16
2
17
0
18
2
19
1
20
1
21
0
22
0
23
2
24
2
25
2
26
0
27
1
28
2
29
2
30
0

3. NS/NR

31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84

1
1
2
2
1
2
1
2
2
0
1
2
2
2
2
1
2
1
2
2
2
2
2
2
2
2
2
2
2
1
1
2
1
2
0
0
0
2
2
0
2
1
2
2
0
1
0
1
1
2
2
1
2
1

85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138

1
2
1
2
0
2
1
2
0
0
0
1
2
2
2
2
1
1
2
2
2
1
0
1
2
1
2
1
2
2
2
2
0
1
2
2
2
2
2
2
2
2
1
1
2
1
1
2
1
2
0
2
2
0

139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192

2
0
2
0
0
2
2
1
2
2
1
2
1
2
1
0
2
1
2
2
0
0
2
1
2
2
2
1
2
2
2
2
2
2
1
0
2
0
1
2
2
1
2
1
2
2
1
2
0
1
2
1
1
1

193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246

0
0
1
2
2
0
1
1
1
1
0
0
0
0
1
2
2
1
2
0
0
0
2
2
0
2
1
2
1
2
2
2
1
1
2
1
2
2
2
1
2
1
2
0
1
2
2
2
2
1
2
0
1
2

247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300

2
0
1
0
0
2
1
1
2
2
0
2
2
2
1
2
1
2
2
0
2
2
2
2
2
1
2
2
2
0
1
0
2
0
0
1
1
2
1
0
2
1
2
1
1
1
1
1
0
0
2
2
2
2

301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354

1
2
2
1
0
2
2
2
0
0
2
2
2
1
2
1
2
1
1
2
1
1
1
2
2
2
2
2
2
1
2
1
2
2
1
2
2
2
2
1
2
1
2
2
1
1
2
2
0
2
1
0
2
1

355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392

1
1
2
0
2
2
2
2
1
2
1
0
2
0
2
1
1
1
2
2
2
2
3
2
2
0
2
2
2
2
2
2
2
2
2
2
2
2

> datos=read.table("Vsegunda.txt")
> attach(datos)
The following object is masked from datos (pos = 3):
V1
> datos
V1
1
Poco
2
Mucho
3
Mucho
4
Mucho
5
Nada
6
Mucho
7
Nada

8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61

Poco
Mucho
Mucho
Mucho
Nada
Poco
Mucho
Mucho
Mucho
Nada
Mucho
Poco
Poco
Nada
Nada
Mucho
Mucho
Mucho
Nada
Poco
Mucho
Mucho
Nada
Poco
Poco
Mucho
Mucho
Poco
Mucho
Poco
Mucho
Mucho
Nada
Poco
Mucho
Mucho
Mucho
Mucho
Poco
Mucho
Poco
Mucho
Mucho
Mucho
Mucho
Mucho
Mucho
Mucho
Mucho
Mucho
Mucho
Mucho
Poco
Poco

62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115

Mucho
Poco
Mucho
Nada
Nada
Nada
Mucho
Mucho
Nada
Mucho
Poco
Mucho
Mucho
Nada
Poco
Nada
Poco
Poco
Mucho
Mucho
Poco
Mucho
Poco
Poco
Mucho
Poco
Mucho
Nada
Mucho
Poco
Mucho
Nada
Nada
Nada
Poco
Mucho
Mucho
Mucho
Mucho
Poco
Poco
Mucho
Mucho
Mucho
Poco
Nada
Poco
Mucho
Poco
Mucho
Poco
Mucho
Mucho
Mucho

116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169

Mucho
Nada
Poco
Mucho
Mucho
Mucho
Mucho
Mucho
Mucho
Mucho
Mucho
Poco
Poco
Mucho
Poco
Poco
Mucho
Poco
Mucho
Nada
Mucho
Mucho
Nada
Mucho
Nada
Mucho
Nada
Nada
Mucho
Mucho
Poco
Mucho
Mucho
Poco
Mucho
Poco
Mucho
Poco
Nada
Mucho
Poco
Mucho
Mucho
Nada
Nada
Mucho
Poco
Mucho
Mucho
Mucho
Poco
Mucho
Mucho
Mucho

170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223

Mucho
Mucho
Mucho
Poco
Nada
Mucho
Nada
Poco
Mucho
Mucho
Poco
Mucho
Poco
Mucho
Mucho
Poco
Mucho
Nada
Poco
Mucho
Poco
Poco
Poco
Nada
Nada
Poco
Mucho
Mucho
Nada
Poco
Poco
Poco
Poco
Nada
Nada
Nada
Nada
Poco
Mucho
Mucho
Poco
Mucho
Nada
Nada
Nada
Mucho
Mucho
Nada
Mucho
Poco
Mucho
Poco
Mucho
Mucho

224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277

Mucho
Poco
Poco
Mucho
Poco
Mucho
Mucho
Mucho
Poco
Mucho
Poco
Mucho
Nada
Poco
Mucho
Mucho
Mucho
Mucho
Poco
Mucho
Nada
Poco
Mucho
Mucho
Nada
Poco
Nada
Nada
Mucho
Poco
Poco
Mucho
Mucho
Nada
Mucho
Mucho
Mucho
Poco
Mucho
Poco
Mucho
Mucho
Nada
Mucho
Mucho
Mucho
Mucho
Mucho
Poco
Mucho
Mucho
Mucho
Nada
Poco

278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331

Nada
Mucho
Nada
Nada
Poco
Poco
Mucho
Poco
Nada
Mucho
Poco
Mucho
Poco
Poco
Poco
Poco
Poco
Nada
Nada
Mucho
Mucho
Mucho
Mucho
Poco
Mucho
Mucho
Poco
Nada
Mucho
Mucho
Mucho
Nada
Nada
Mucho
Mucho
Mucho
Poco
Mucho
Poco
Mucho
Poco
Poco
Mucho
Poco
Poco
Poco
Mucho
Mucho
Mucho
Mucho
Mucho
Mucho
Poco
Mucho

332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385

Poco
Mucho
Mucho
Poco
Mucho
Mucho
Mucho
Mucho
Poco
Mucho
Poco
Mucho
Mucho
Poco
Poco
Mucho
Mucho
Nada
Mucho
Poco
Nada
Mucho
Poco
Poco
Poco
Mucho
Nada
Mucho
Mucho
Mucho
Mucho
Poco
Mucho
Poco
Nada
Mucho
Nada
Mucho
Poco
Poco
Poco
Mucho
Mucho
Mucho
Mucho
Ns/Nr
Mucho
Mucho
Nada
Mucho
Mucho
Mucho
Mucho
Mucho

386
387
388
389
390
391
392

Mucho
Mucho
Mucho
Mucho
Mucho
Mucho
Mucho

> f=table(datos)
> f
datos
Mucho
213
>
>
>
>
>

Nada Ns/Nr
66
1

Poco
112

n=sum(f)
h=(f/n)*100
F=cumsum(f)
H=cumsum(h)
cbind(f,h,F,H)

f
h
F
H
Mucho 213 54.336735 213 54.33673
Nada
66 16.836735 279 71.17347
Ns/Nr
1 0.255102 280 71.42857
Poco 112 28.571429 392 100.00000
> summary(datos)
V1
Mucho:213
Nada : 66
Ns/Nr: 1
Poco :112
> summary(datos1)
V1
Min.
:0.00
1st Qu.:1.00
Median :2.00
Mean
:1.38
3rd Qu.:2.00
Max.
:3.00
> boxplot(datos1)
> boxplot(datos1, main="Su nivel de preocupacion respecto a quedarse
sin empleo", xlab="Escalafon", ylab="niveles de preocupacion")
> boxplot(datos1, notch=TRUE, col=(c("darkred")), main="Niveles de
preocupacion", xlab="Escalafon")

>
datos=c(1,2,2,2,0,2,0,1,2,2,2,0,1,2,2,2,0,2,1,1,0,0,2,2,2,0,1,2,2,0,1,
1,2,2,1,2,1,2,2,0,1,2,2,2,2,1,2,1,2,2,2,2,2,2,2,2,2,2,2,1,1,2,1,2,0,0,
0,2,2,0,2,1,2,2,0,1,0,1,1,2,2,1,2,1,1,2,1,2,0,2,1,2,0,0,1,2,2,2,2,1,1,
2,2,2,1,0,1,2,1,2,1,2,2,2,2,0,1,2,2,2,2,2,2,2,2,1,1,2,1,1,2,1,2,0,2,2,
0,2,0,2,0,0,2,2,1,2,2,1,2,1,2,1,0,2,1,2,2,0,0,2,1,2,2,2,1,2,2,2,2,2,2,
1,0,2,0,1,2,2,1,2,1,2,2,1,2,0,1,2,1,1,1,0,0,1,2,2,0,1,1,1,1,0,0,0,0,1,
2,2,1,2,0,0,0,2,2,0,2,1,2,1,2,2,2,1,1,2,1,2,2,2,1,2,1,2,0,1,2,2,2,2,1,
2,0,1,2,2,0,1,0,0,2,1,1,2,2,0,2,1,2,1,2,2,0,2,2,2,2,2,1,2,2,2,0,1,0,2,
0,0,1,1,2,1,0,2,1,2,1,1,1,1,1,0,0,2,2,2,2,1,2,2,1,0,2,2,2,0,0,2,2,2,1,
2,1,2,1,1,2,1,1,1,2,2,2,2,2,2,1,2,1,2,2,1,2,2,2,2,1,2,1,2,2,1,1,2,2,0,
2,1,0,2,1,1,1,2,0,2,2,2,2,1,2,1,0,2,0,2,1,1,1,2,2,2,2,3,2,2,0,2,2,2,2,
2,2,2,2,2,2,2,2)
> quantile(datos, prob = seq(0, 1, length = 11), type = 5)
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
0
0
1
1
1
2
2
2
2
2
3
> quantile(datos)

0%
0

25%
1

50%
2

75% 100%
2
3

> quantile(datos, prob = c(0.15, 0.25, 0.35, 0.83, 0.99))


15% 25% 35% 83% 99%
0
1
1
2
2

ANALISIS.
El nivel de preocupacin de las personas en cuanto a quedarse sin empleo
oscila entre poco y mucho, teniendo una media de 1.38 y una mediana de 2.0

TERCERA PREGUNTA
3. Respecto a sus ingresos econmicos usted considera:
0. Nada

1. Poco

Pasado

> datos=read.table("PASADON.txt")
> attach(datos)
> datos
V1
1
1
2
1
3
0
4
0
5
1
6
0
7
1
8
0
9
0
10 1
11 1
12 1
13 0
14 0
15 1
16 0
17 1
18 0
19 1
20 1
21 0
22 0
23 0
24 0
25 0
26 0

2. Mucho

27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80

0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
2
0
2
0
2
0
0
2
0
0
2
2
2
1
1
0
1
0
0
1
0
1
2
0
2
2
2
2
0
0
2
2
0
0
0
0
0

81 0
82 0
83 0
84 0
85 0
86 2
87 0
88 0
89 0
90 0
> datos1=read.table("PASADO.txt")
> attach(datos1)
The following object is masked from datos:
V1
> datos1
V1
1
NADA
2
NADA
3
NADA
4
NADA
5
NADA
6
POCO
7
MUCHO
8
NADA
9
NADA
10
POCO
11
NADA
12 MUCHO
13
NADA
14
NADA
15 MUCHO
16
NADA
17
POCO
18
POCO
19
NADA
20
NADA
21
POCO
22
NADA
23
POCO
24 MUCHO
25
POCO
26
NADA
27 MUCHO
28
NADA
29 MUCHO
30 MUCHO
31
NADA
32
NADA
33 MUCHO
34
NADA
35
NADA
36 MUCHO

37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90

NADA
NADA
NADA
NADA
NADA
POCO
MUCHO
POCO
POCO
NADA
NADA
POCO
POCO
NADA
NADA
MUCHO
NADA
NADA
NADA
NADA
NADA
POCO
NADA
NADA
MUCHO
MUCHO
MUCHO
MUCHO
MUCHO
MUCHO
MUCHO
MUCHO
MUCHO
MUCHO
MUCHO
NADA
MUCHO
MUCHO
NADA
NADA
NADA
NADA
MUCHO
NADA
NADA
NADA
POCO
POCO
POCO
POCO
POCO
NADA
POCO
MUCHO

91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144

MUCHO
MUCHO
MUCHO
MUCHO
MUCHO
NADA
NADA
POCO
NADA
POCO
POCO
NADA
NADA
NADA
NADA
NADA
NADA
NADA
POCO
NADA
POCO
NADA
NADA
POCO
NADA
NADA
MUCHO
NADA
NADA
MUCHO
MUCHO
NADA
NADA
NADA
NADA
POCO
NADA
NADA
POCO
POCO
POCO
POCO
POCO
NADA
POCO
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA

145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198

POCO
NADA
POCO
POCO
NADA
NADA
MUCHO
MUCHO
NADA
NADA
NADA
NADA
NADA
NADA
MUCHO
NADA
MUCHO
MUCHO
MUCHO
MUCHO
NADA
NADA
NADA
NADA
NADA
POCO
NADA
POCO
NADA
NADA
MUCHO
POCO
MUCHO
MUCHO
MUCHO
MUCHO
MUCHO
MUCHO
MUCHO
MUCHO
MUCHO
POCO
NADA
POCO
NADA
NADA
NADA
POCO
MUCHO
MUCHO
NADA
POCO
NADA
NADA

199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252

NADA
MUCHO
MUCHO
POCO
POCO
NADA
NADA
POCO
NADA
NADA
NADA
MUCHO
POCO
POCO
MUCHO
NADA
NADA
MUCHO
NADA
POCO
NADA
NADA
MUCHO
POCO
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
MUCHO
POCO
NADA
NADA
NADA
POCO
NADA
NADA
NADA
NADA
NADA
MUCHO
NADA
POCO
POCO
NADA
NADA
MUCHO
NADA
POCO
NADA

253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306

NADA
POCO
NADA
NADA
NADA
MUCHO
NADA
NADA
NADA
NADA
NADA
POCO
NADA
MUCHO
NADA
NADA
MUCHO
POCO
NADA
NADA
MUCHO
POCO
NADA
MUCHO
NADA
NADA
NADA
POCO
NADA
NADA
MUCHO
MUCHO
NADA
NADA
MUCHO
POCO
NADA
NADA
MUCHO
NADA
MUCHO
NADA
MUCHO
MUCHO
NADA
MUCHO
MUCHO
NADA
POCO
NADA
NADA
NADA
POCO
POCO

307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360

NADA
NADA
POCO
NADA
POCO
NADA
NADA
POCO
POCO
POCO
NADA
NADA
POCO
NADA
POCO
NADA
POCO
POCO
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
MUCHO
NADA
MUCHO
NADA
MUCHO
NADA
NADA
MUCHO
NADA
NADA
MUCHO
MUCHO
MUCHO

361 POCO
362 POCO
363 NADA
364 POCO
365 NADA
366 NADA
367 POCO
368 NADA
369 POCO
370 MUCHO
371 NADA
372 MUCHO
373 MUCHO
374 MUCHO
375 MUCHO
376 NADA
377 NADA
378 MUCHO
379 MUCHO
380 NADA
381 NADA
382 NADA
383 NADA
384 NADA
385 NADA
386 NADA
387 NADA
388 NADA
389 NADA
390 MUCHO
391 NADA
392 NADA
393 NADA
394 NADA
> f=table(datos1)
> n=sum(f)
> h=(f/n)*100
> F=cumsum(f)
> H=cumsum(h)
> cbind(f,h,F,H)
f
h
F
H
MUCHO 91 23.09645 91 23.09645
NADA 226 57.36041 317 80.45685
POCO
77 19.54315 394 100.00000
> f=table(datos)
> n=sum(f)
> h=(f/n)*100
> F=cumsum(f)
> H=cumsum(h)
> cbind(f,h,F,H)
f
h F
H
0 59 65.55556 59 65.55556
1 16 17.77778 75 83.33333
2 15 16.66667 90 100.00000

> summary(datos)
V1
Min.
:0.0000
1st Qu.:0.0000
Median :0.0000
Mean
:0.5111
3rd Qu.:1.0000
Max.
:2.0000
> boxplot(datos)
> boxplot(datos, main="salarios del pasado", xlab="salario",
ylab="personas")
> boxplot(datos, main="salarios del pasado", ylab="salario",
xlab="personas")
> boxplot(datos, notch=TRUE, col=(c("darkgreen")), main="SALARIO DEL
PASADO", xlab="personas")
Mensajes de aviso perdidos
In bxp(list(stats = c(0, 0, 0, 1, 2), n = 90, conf = c(0.166546623435535, :
some notches went outside hinges ('box'): maybe set notch=FALSE

> pie(h,col=c(2,3,4,5,6),main="GRAFICO CIRCULAR")


> pie(h,col=c(2,3,4,5,6),main="SALARIOS DEL PASADO")

>
datos=c(0,0,0,0,0,1,2,0,0,1,0,2,0,0,2,0,1,1,0,0,1,0,1,2,1,0,2,0,2,2,0,
0,2,0,0,2,0,0,0,0,0,1,2,1,1,0,0,1,1,0,0,2,0,0,0,0,0,1,0,0,2,2,2,2,2,2,
2,2,2,2,2,0,2,2,0,0,0,0,2,0,0,0,1,1,1,1,1,0,1,2,2,2,2,2,2,0,0,1,0,1,1,
0,0,0,0,0,0,0,1,0,1,0,0,1,0,0,2,0,0,2,2,0,0,0,0,1,0,0,1,1,1,1,1,0,1,0,
0,0,0,0,0,0,0,0,1,0,1,1,0,0,2,2,0,0,0,0,0,0,2,0,2,2,2,2,0,0,0,0,0,1,0,
1,0,0,2,1,2,2,2,2,2,2,2,2,2,1,0,1,0,0,0,1,2,2,0,1,0,0,0,2,2,1,1,0,0,1,
0,0,0,2,1,1,2,0,0,2,0,1,0,0,2,1,0,0,0,0,0,0,0,0,0,2,1,0,0,0,1,0,0,0,0,
0,2,0,1,1,0,0,2,0,1,0,0,1,0,0,0,2,0,0,0,0,0,1,0,2,0,0,2,1,0,0,2,1,0,2,
0,0,0,1,0,0,2,2,0,0,2,1,0,0,2,0,2,0,2,2,0,2,2,0,1,0,0,0,1,1,0,0,1,0,1,
0,0,1,1,1,0,0,1,0,1,0,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,
0,2,0,2,0,2,0,0,2,0,0,2,2,2,1,1,0,1,0,0,1,0,1,2,0,2,2,2,2,0,0,2,2,0,0,
0,0,0,0,0,0,0,0,2,0,0,0,0)
> quantile(datos, prob = seq(0, 1, length = 11), type = 5)
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
0
0
0
0
0
0
1
1
2
2
2
> quantile(datos)
0% 25% 50% 75% 100%
0
0
0
1
2
> quantile(datos, prob = c(0.15, 0.25, 0.35, 0.86, 0.99))
15% 25% 35% 86% 99%
0
0
0
2
2
>

ANLISIS
Segn lo que podemos ver en la cajita de Bigotes, que es quien nos dice de una forma ms
real, la situacin de econmica de sus ingresos en el salario. Concluimos que en el pasado
en nada (0) y poco (1), y la mediana. Pero tambin hay muchos con mejor (2)

Presente

> datos=read.table("PRESENTEN.txt")
> attach(datos)
> datos
V1
1
0
2
0
3
0
4
1
5
1
6
0
7
0
8
2
9
0
10
2
11
0
12
0
13
2
14
0
15
2
16
2
17
0
18
1
19
1
20
0
21
1
22
1
23
0
24
0
25
0
26
2
27
2
28
2
29
0
30
2
31
2
32
0
33
0
34
0
35
0
36
0
37
2
38
0
39
0
40
1
41
2
42
0
43
2
44
0
45
1
46
2
47
1
48
2

49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102

0
0
2
2
0
0
0
0
0
1
0
2
2
2
2
0
0
1
2
2
0
2
0
1
0
0
0
0
2
2
2
0
0
1
1
0
0
0
0
0
1
2
2
0
0
1
0
2
0
2
0
0
1
0

103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156

0
0
0
1
0
0
0
0
1
0
0
0
0
0
2
2
0
0
0
0
2
0
0
1
0
1
1
0
0
0
0
0
1
0
0
0
0
0
0
0
2
0
0
1
0
0
0
0
2
0
0
0
0
0

157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210

0
0
2
2
2
2
2
2
2
0
0
2
0
0
0
0
0
0
2
0
2
0
2
2
2
0
0
2
2
2
0
1
0
1
0
0
2
0
0
2
0
0
0
2
1
1
1
1
0
0
0
1
1
2

211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264

1
2
2
2
1
0
1
0
0
1
0
0
0
1
0
0
0
2
0
0
0
2
1
0
0
0
1
0
0
0
0
2
2
0
1
0
0
0
0
0
0
0
1
1
0
0
0
0
0
0
2
0
2
2

265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318

0
0
0
0
2
2
0
0
2
2
0
0
2
0
0
1
0
1
0
0
2
0
0
1
0
1
2
0
2
0
0
2
0
0
0
0
1
0
0
0
1
2
0
0
1
0
1
0
0
0
0
1
0
1

319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372

1
1
0
0
1
1
0
0
0
0
0
0
0
2
0
0
0
0
0
0
0
0
0
2
0
0
0
0
0
2
2
0
0
0
0
0
2
2
2
2
2
2
0
0
0
0
0
0
0
1
0
2
2
2

373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394

0
2
0
2
0
2
0
0
0
0
0
0
0
0
0
0
0
0
0
2
0
0
Futuro

> datos1=read.table("PRESENTE.txt")
> attach(datos1)
The following object is masked from datos:
V1
> datos1
V1
1
NADA
2
NADA
3
NADA
4
POCO
5
POCO
6
NADA
7
NADA
8
MUCHO
9
NADA
10 MUCHO
11
NADA
12
NADA
13 MUCHO
14
NADA
15 MUCHO
16 MUCHO
17
NADA
18
POCO
19
POCO
20
NADA
21
POCO

22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75

POCO
NADA
NADA
NADA
MUCHO
MUCHO
MUCHO
NADA
MUCHO
MUCHO
NADA
NADA
NADA
NADA
NADA
MUCHO
NADA
NADA
POCO
MUCHO
NADA
MUCHO
NADA
POCO
MUCHO
POCO
MUCHO
NADA
NADA
MUCHO
MUCHO
NADA
NADA
NADA
NADA
NADA
POCO
NADA
MUCHO
MUCHO
MUCHO
MUCHO
NADA
NADA
POCO
MUCHO
MUCHO
NADA
MUCHO
NADA
POCO
NADA
NADA
NADA

76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129

NADA
MUCHO
MUCHO
MUCHO
NADA
NADA
POCO
POCO
NADA
NADA
NADA
NADA
NADA
POCO
MUCHO
MUCHO
NADA
NADA
POCO
NADA
MUCHO
NADA
MUCHO
NADA
NADA
POCO
NADA
NADA
NADA
NADA
POCO
NADA
NADA
NADA
NADA
POCO
NADA
NADA
NADA
NADA
NADA
MUCHO
MUCHO
NADA
NADA
NADA
NADA
MUCHO
NADA
NADA
POCO
NADA
POCO
POCO

130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183

NADA
NADA
NADA
NADA
NADA
POCO
NADA
NADA
NADA
NADA
NADA
NADA
NADA
MUCHO
NADA
NADA
POCO
NADA
NADA
NADA
NADA
MUCHO
NADA
NADA
NADA
NADA
NADA
NADA
NADA
MUCHO
MUCHO
MUCHO
MUCHO
MUCHO
MUCHO
MUCHO
NADA
NADA
MUCHO
NADA
NADA
NADA
NADA
NADA
NADA
MUCHO
NADA
MUCHO
NADA
MUCHO
MUCHO
MUCHO
NADA
NADA

184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237

MUCHO
MUCHO
MUCHO
NADA
POCO
NADA
POCO
NADA
NADA
MUCHO
NADA
NADA
MUCHO
NADA
NADA
NADA
MUCHO
POCO
POCO
POCO
POCO
NADA
NADA
NADA
POCO
POCO
MUCHO
POCO
MUCHO
MUCHO
MUCHO
POCO
NADA
POCO
NADA
NADA
POCO
NADA
NADA
NADA
POCO
NADA
NADA
NADA
MUCHO
NADA
NADA
NADA
MUCHO
POCO
NADA
NADA
NADA
POCO

238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291

NADA
NADA
NADA
NADA
MUCHO
MUCHO
NADA
POCO
NADA
NADA
NADA
NADA
NADA
NADA
NADA
POCO
POCO
NADA
NADA
NADA
NADA
NADA
NADA
MUCHO
NADA
MUCHO
MUCHO
NADA
NADA
NADA
NADA
MUCHO
MUCHO
NADA
NADA
MUCHO
MUCHO
NADA
NADA
MUCHO
NADA
NADA
POCO
NADA
POCO
NADA
NADA
MUCHO
NADA
NADA
POCO
NADA
POCO
MUCHO

292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345

NADA
MUCHO
NADA
NADA
MUCHO
NADA
NADA
NADA
NADA
POCO
NADA
NADA
NADA
POCO
MUCHO
NADA
NADA
POCO
NADA
POCO
NADA
NADA
NADA
NADA
POCO
NADA
POCO
POCO
POCO
NADA
NADA
POCO
POCO
NADA
NADA
NADA
NADA
NADA
NADA
NADA
MUCHO
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
MUCHO
NADA
NADA
NADA

346 NADA
347 NADA
348 MUCHO
349 MUCHO
350 NADA
351 NADA
352 NADA
353 NADA
354 NADA
355 MUCHO
356 MUCHO
357 MUCHO
358 MUCHO
359 MUCHO
360 MUCHO
361 NADA
362 NADA
363 NADA
364 NADA
365 NADA
366 NADA
367 NADA
368 POCO
369 NADA
370 MUCHO
371 MUCHO
372 MUCHO
373 NADA
374 MUCHO
375 NADA
376 MUCHO
377 NADA
378 MUCHO
379 NADA
380 NADA
381 NADA
382 NADA
383 NADA
384 NADA
385 NADA
386 NADA
387 NADA
388 NADA
389 NADA
390 NADA
391 NADA
392 MUCHO
393 NADA
394 NADA
> f=table(datos1)
> n=sum(f)
> h=(f/n)*100
> F=cumsum(f)
> H=cumsum(h)

> cbind(f,h,F,H)
f
h
F
H
MUCHO 93 23.60406 93 23.60406
NADA 244 61.92893 337 85.53299
POCO
57 14.46701 394 100.00000
> f=table(datos)
> n=sum(f)
> h=(f/n)*100
> F=cumsum(f)
> H=cumsum(h)
> cbind(f,h,F,H)
f
h
F
H
0 244 61.92893 244 61.92893
1 57 14.46701 301 76.39594
2 93 23.60406 394 100.00000
> summary(datos)
V1
Min.
:0.0000
1st Qu.:0.0000
Median :0.0000
Mean
:0.6168
3rd Qu.:1.0000
Max.
:2.0000
> boxplot(datos)
> boxplot(datos, notch=TRUE, col=(c("darkblue")), main="SALARIO
PRESENTE", xlab="personas")
Mensajes de aviso perdidos
In bxp(list(stats = c(0, 0, 0, 1, 2), n = 394, conf = c(0.0795992500538608, :
some notches went outside hinges ('box'): maybe set notch=FALSE

> pie(h,col=c(2,3,4,5,6),main="SALARIO PRESENTE")

>
datos=c(0,0,0,1,1,0,0,2,0,2,0,0,2,0,2,2,0,1,1,0,1,1,0,0,0,2,2,2,0,2,2,
0,0,0,0,0,2,0,0,1,2,0,2,0,1,2,1,2,0,0,2,2,0,0,0,0,0,1,0,2,2,2,2,0,0,1,
2,2,0,2,0,1,0,0,0,0,2,2,2,0,0,1,1,0,0,0,0,0,1,2,2,0,0,1,0,2,0,2,0,0,1,
0,0,0,0,1,0,0,0,0,1,0,0,0,0,0,2,2,0,0
+
,0,0,2,0,0,1,0,1,1,0,0,0,0,0,1,0,0,0,0,0,0,0,2,0,0,1,0,0,0,0,2,0,0,0,0
,0,0,0,2,2,2,2,2,2,2,0,0,2,0,0,0,0,0,0,2,0,2,0,2,2,2,0,0,2,2,2,0,1,0,1
,0,0,2,0,0,2,0,0,0,1,1,1,1,0,0,0,1,1,2,1,2,2,2,1,0,1,0,0,1,0,0,0,1,0,0
,0,2,0,0,0,2,1,0,0,0,1,0,0,0,0,2,2,0,1,0,0,0,0,0,0,0,1,1,0,0,0,0,0,0,2
,0,2,2,0,0,0,0,2,2,0,0,2,2,0,0,2,0,0,1,0,1,0,0,2,0,0,1,0,1,2,0,2,0,0,2
,0,0,0,0,1,0,0,0,1,2,0,0,1,0,1,0,0,0,0,1,0,1,1,1,0,0,1,1,0,0,0,0,0,0,0
,2,0,0,0,0,0,0,0,0,0,2,0,0,0,0,2,2,0,0,0,0,0,2,2,2,2,2,2,0,0,0,0,0,0,0
,1,0,2,2,2,0,2,0,2,0,2,0,0,0,0,0,0,0,0,0,0,0,0,0,2,0,0
+ )
> quantile(datos, prob = seq(0, 1, length = 11), type = 5)
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
0
0
0
0
0
0
0
1
2
2
2
> quantile(datos)
0% 25% 50% 75% 100%
0
0
0
1
2
> quantile(datos, prob = c(0.15, 0.25, 0.35, 0.86, 0.99))
15% 25% 35% 86% 99%
0
0
0
2
2

Anlisis
En la caja de bigotes se puede analizar que la situacin econmica en el presente es
igual a la del pasado, es decir, en la realidad no hay nada ni mucho la diferencia
econmica entre el pasado y el presente que viven los encuestados.

Futuro

> datos=read.table("FUTURON.txt")
> attach(datos)
The following object is masked from datos (pos = 3):
V1
The following object is masked from datos1:
V1
The following object is masked from datos (pos = 5):
V1
> datos
V1
1
0
2
0
3
1
4
1
5
0
6
0
7
2
8
2
9
0
10
2
11
0
12
2
13
2
14
0
15
2
16
2
17
0
18
1
19
1
20
1
21
1
22
1
23
0
24
2
25
1
26
0
27
2
28
2
29
0
30
2
31
2
32
1
33
2
34
1
35
1
36
2

37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90

2
2
0
1
2
1
2
1
1
2
1
2
1
0
2
2
0
1
2
1
0
1
0
2
2
2
2
0
2
1
2
2
2
0
2
1
2
0
0
2
2
2
2
0
2
1
1
1
1
1
1
0
1
2

91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144

2
0
2
1
2
2
0
2
0
0
0
1
0
0
0
1
0
2
0
0
0
0
1
0
1
0
2
2
0
0
0
0
2
0
0
1
1
1
1
1
1
1
1
0
1
0
0
1
0
0
0
0
2
0

145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198

0
1
1
0
0
2
2
0
0
0
2
1
1
1
2
2
2
2
2
2
2
0
2
0
0
1
0
1
1
0
2
0
2
2
2
2
2
0
2
2
2
2
1
1
0
1
0
0
1
2
0
2
0
2

199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252

0
2
3
1
1
1
0
0
0
1
1
2
2
1
2
2
1
2
1
0
0
1
0
1
1
1
1
1
0
2
2
0
2
0
1
1
2
0
1
0
0
0
0
2
2
0
1
0
1
0
0
0
1
0

253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306

1
0
0
0
0
2
2
2
2
2
0
2
0
1
0
0
2
2
0
0
2
2
0
2
2
0
1
1
0
1
0
0
2
0
0
1
0
1
2
0
2
0
0
0
2
0
0
2
0
0
0
0
1
2

307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360

0
0
1
0
1
0
1
0
0
0
0
1
1
1
1
0
1
0
0
0
1
0
0
0
2
0
0
0
0
0
0
0
0
0
2
0
0
0
0
0
0
2
2
0
0
0
1
0
2
2
2
0
2
2

361 1
362 0
363 0
364 1
365 1
366 1
367 0
368 0
369 0
370 2
371 2
372 2
373 0
374 2
375 0
376 2
377 2
378 2
379 2
380 0
381 0
382 1
383 0
384 0
385 0
386 0
387 0
388 0
389 0
390 0
391 0
392 2
393 0
394 0
> datos1=read.table("FUTURO.txt")
> attach(datos1)
The following object is masked from datos (pos = 3):
V1
The following object is masked from datos (pos = 4):
V1
The following object is masked from datos1 (pos = 5):
V1
The following object is masked from datos (pos = 6):
V1
> datos1
V1

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54

NADA
NADA
POCO
POCO
NADA
NADA
MUCHO
MUCHO
NADA
MUCHO
NADA
MUCHO
MUCHO
NADA
MUCHO
MUCHO
NADA
POCO
POCO
POCO
POCO
POCO
NADA
MUCHO
POCO
NADA
MUCHO
MUCHO
NADA
MUCHO
MUCHO
POCO
MUCHO
POCO
POCO
MUCHO
MUCHO
MUCHO
NADA
POCO
MUCHO
POCO
MUCHO
POCO
POCO
MUCHO
POCO
MUCHO
POCO
NADA
MUCHO
MUCHO
NADA
POCO

55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108

MUCHO
POCO
NADA
POCO
NADA
MUCHO
MUCHO
MUCHO
MUCHO
NADA
MUCHO
POCO
MUCHO
MUCHO
MUCHO
NADA
MUCHO
POCO
MUCHO
NADA
NADA
MUCHO
MUCHO
MUCHO
MUCHO
NADA
MUCHO
POCO
POCO
POCO
POCO
POCO
POCO
NADA
POCO
MUCHO
MUCHO
NADA
MUCHO
POCO
MUCHO
MUCHO
NADA
MUCHO
NADA
NADA
NADA
POCO
NADA
NADA
NADA
POCO
NADA
MUCHO

109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162

NADA
NADA
NADA
NADA
POCO
NADA
POCO
NADA
MUCHO
MUCHO
NADA
NADA
NADA
NADA
MUCHO
NADA
NADA
POCO
POCO
POCO
POCO
POCO
POCO
POCO
POCO
NADA
POCO
NADA
NADA
POCO
NADA
NADA
NADA
NADA
MUCHO
NADA
NADA
POCO
POCO
NADA
NADA
MUCHO
MUCHO
NADA
NADA
NADA
MUCHO
POCO
POCO
POCO
MUCHO
MUCHO
MUCHO
MUCHO

163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216

MUCHO
MUCHO
MUCHO
NADA
MUCHO
NADA
NADA
POCO
NADA
POCO
POCO
NADA
MUCHO
NADA
MUCHO
MUCHO
MUCHO
MUCHO
MUCHO
NADA
MUCHO
MUCHO
MUCHO
MUCHO
POCO
POCO
NADA
POCO
NADA
NADA
POCO
MUCHO
NADA
MUCHO
NADA
MUCHO
NADA
MUCHO
3
POCO
POCO
POCO
NADA
NADA
NADA
POCO
POCO
MUCHO
MUCHO
POCO
MUCHO
MUCHO
POCO
MUCHO

217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270

POCO
NADA
NADA
POCO
NADA
POCO
POCO
POCO
POCO
POCO
NADA
MUCHO
MUCHO
NADA
MUCHO
NADA
POCO
POCO
MUCHO
NADA
POCO
NADA
NADA
NADA
NADA
MUCHO
MUCHO
NADA
POCO
NADA
POCO
NADA
NADA
NADA
POCO
NADA
POCO
NADA
NADA
NADA
NADA
MUCHO
MUCHO
MUCHO
MUCHO
MUCHO
NADA
MUCHO
NADA
POCO
NADA
NADA
MUCHO
MUCHO

271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324

NADA
NADA
MUCHO
MUCHO
NADA
MUCHO
MUCHO
NADA
POCO
POCO
NADA
POCO
NADA
NADA
MUCHO
NADA
NADA
POCO
NADA
POCO
MUCHO
NADA
MUCHO
NADA
NADA
NADA
MUCHO
NADA
NADA
MUCHO
NADA
NADA
NADA
NADA
POCO
MUCHO
NADA
NADA
POCO
NADA
POCO
NADA
POCO
NADA
NADA
NADA
NADA
POCO
POCO
POCO
POCO
NADA
POCO
NADA

325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378

NADA
NADA
POCO
NADA
NADA
NADA
MUCHO
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
NADA
MUCHO
NADA
NADA
NADA
NADA
NADA
NADA
MUCHO
MUCHO
NADA
NADA
NADA
POCO
NADA
MUCHO
MUCHO
MUCHO
NADA
MUCHO
MUCHO
POCO
NADA
NADA
POCO
POCO
POCO
NADA
NADA
NADA
MUCHO
MUCHO
MUCHO
NADA
MUCHO
NADA
MUCHO
MUCHO
MUCHO

379 MUCHO
380 NADA
381 NADA
382 POCO
383 NADA
384 NADA
385 NADA
386 NADA
387 NADA
388 NADA
389 NADA
390 NADA
391 NADA
392 MUCHO
393 NADA
394 NADA
> f=table(datos1)
> n=sum(f)
> h=(f/n)*100
> F=cumsum(f)
> H=cumsum(h)
> cbind(f,h,F,H)
f
h
F
H
3
1 0.2538071
1
0.2538071
MUCHO 121 30.7106599 122 30.9644670
NADA 173 43.9086294 295 74.8730964
POCO
99 25.1269036 394 100.0000000
> f=table(datos)
> n=sum(f)
> h=(f/n)*100
> F=cumsum(f)
> H=cumsum(h)
> cbind(f,h,F,H)
f
h
F
H
0 173 43.9086294 173 43.90863
1 99 25.1269036 272 69.03553
2 121 30.7106599 393 99.74619
3
1 0.2538071 394 100.00000
> summary(datos)
V1
Min.
:0.0000
1st Qu.:0.0000
Median :1.0000
Mean
:0.8731
3rd Qu.:2.0000
Max.
:3.0000
> boxplot(datos)
> boxplot(datos, notch=TRUE, col=(c("darkred")), main="SALARIO
FUTURO", xlab="personas")

> pie(h,col=c(2,3,4,5,6),main="SALARIO FUTURO")

>
datos=c(0,0,1,1,0,0,2,2,0,2,0,2,2,0,2,2,0,1,1,1,1,1,0,2,1,0,2,2,0,2,2,
1,2,1,1,2,2,2,0,1,2,1,2,1,1,2,1,2,1,0,2,2,0,1,2,1,0,1,0,2,2,2,2,0,2,1,
2,2,2,0,2,1,2,0,0,2,2,2,2,0,2,1,1,1,1,1,1,0,1,2,2,0,2,1,2,2,0,2,0,0,0,
1,0,0,0,1,0,2,0,0,0,0,1,0,1,0,2,2,0,0,0,0,2,0,0,1,1,1,1,1,1,1,1,0,1,0,
0,1,0,0,0,0,2,0,0,1,1,0,0,2,2,0,0,0,2,1,1,1,2,2,2,2,2,2,2,0,2,0,0,1,0,

1,1,0,2,0,2,2,2,2,2,0,2,2,2,1,1,0,1,0,0,1,2,0,2,0,2,0,2,3,1,1,1,0,0,0,
1,1,2,2,1,2,2,1,2,1,0,0,1,0,1,1,1,1,1,0,2,2,0,2,0,1,1,2,0,1,0,0,0,0,2,
2,0,1,0,1,0,0,0,1,0,1,0,0,0,0,2,2,2,2,2,0,2,0,1,0,0,2,2,0,0,2,2,0,2,2,
0,1,1,0,1,0,0,2,0,0,1,0,1,2,0,2,0,0,0,2,0,0,2,0,0,0,0,1,2,0,0,1,0,1,0,
1,0,0,0,0,1,1,1,1,0,1,0,0,0,1,0,0,0,2,0,0,0,0,0,0,0,0,0,0,0,0,0,0,02,2
,0,0,0,1,0,2,2,2,0,2,2,1,0,0,1,1,1,0,0,0,2,2,2,0,2,0,2,2,2,2,0,0,1,0,0
,0,0,0,0,0,0,0,2,0,0)
> quantile(datos, prob = seq(0, 1, length = 11), type = 5)
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
0
0
0
0
0
1
1
2
2
2
3
> quantile(datos)
0% 25% 50% 75% 100%
0
0
1
2
3
> quantile(datos, prob = c(0.15, 0.25, 0.35, 0.86, 0.99))
15% 25% 35% 86% 99%
0
0
0
2
2
>

ANLISIS

La caja de bigotes nos dice que la situacin econmica que viven los
ANLISIS
encuestados es nada y poco pero
la media est en poco y sube a mejor, es
decir que en el futuro la situacin econmica va a mejorar en los aos
venideros.

CUARTA PREGUNTA
4. Cmo considera que es su situacin actual en comparacin con la mayora de
los habitantes de la ciudad.
0. Peor

1. Igual

2. Mejor

3. NS/NR

> datos=read.table("encuesta44.txt")
Error en file(file, "rt") : no se puede abrir la conexin
Adems: Mensajes de aviso perdidos
In file(file, "rt") :
no fue posible abrir el archivo 'encuesta44.txt': No such file or
directory
> datos=read.table("encuesta44.txt")
> attach(datos)
> datos
V1
1
1
2
2
3
1
4
1
5
2

6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59

0
1
2
2
1
1
1
2
2
2
1
1
2
1
1
2
2
0
2
1
2
1
1
0
2
2
1
2
1
1
2
2
1
2
1
1
1
1
1
2
1
1
1
1
1
2
2
1
1
1
1
1
1
2

60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113

1
1
2
2
0
2
1
2
1
1
1
1
2
2
2
1
1
2
2
2
2
1
1
1
1
0
1
2
1
1
2
2
0
2
1
1
2
2
1
1
0
2
1
1
1
1
1
1
1
2
1
1
1
2

114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167

1
1
2
2
2
1
1
2
1
1
1
1
1
2
1
1
1
0
1
2
1
1
1
0
1
2
1
2
1
2
1
1
2
1
2
2
1
1
2
1
2
1
1
1
1
2
2
2
2
2
1
2
1
1

168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221

2
1
2
1
2
1
1
1
1
2
1
2
1
1
2
1
2
1
1
1
2
1
1
2
1
1
2
2
1
1
2
2
2
1
2
2
1
1
1
2
2
2
2
1
1
2
2
2
2
1
1
1
1
2

222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275

2
1
1
2
1
1
2
1
2
1
1
1
2
2
1
2
2
1
1
1
2
2
1
1
1
1
1
1
1
2
1
1
1
0
1
1
1
1
2
2
2
1
1
1
1
1
1
1
1
1
1
1
1
1

276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329

1
2
2
1
1
1
2
1
1
1
1
1
2
1
1
2
2
2
2
1
1
1
1
1
2
2
1
2
2
2
1
1
1
2
1
1
1
1
1
0
2
2
1
2
0
1
1
1
1
0
0
1
1
2

330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383

2
2
1
2
2
1
2
2
1
2
2
2
1
2
2
1
2
2
1
1
0
1
1
1
1
1
1
1
1
1
1
2
1
1
2
1
1
1
2
0
2
2
1
2
2
1
1
1
1
0
1
0
1
1

384 1
385 1
386 2
387 1
388 1
389 1
390 2
391 1
392 1
393 1
394 1
> datos1=read.table("encuesta4.txt")
> attach(datos1)
The following object is masked from datos:
V1
> datos1
V1
1
igual
2
mejor
3
igual
4
igual
5
mejor
6
peor
7
igual
8
mejor
9
mejor
10 igual
11 igual
12 igual
13 mejor
14 mejor
15 mejor
16 igual
17 igual
18 mejor
19 igual
20 igual
21 mejor
22 mejor
23
peor
24 mejor
25 igual
26 mejor
27 igual
28 igual
29
peor
30 mejor
31 mejor
32 igual
33 mejor
34 igual
35 igual

36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89

mejor
mejor
igual
mejor
igual
igual
igual
igual
igual
mejor
igual
igual
igual
igual
igual
mejor
mejor
igual
igual
igual
igual
igual
igual
mejor
igual
igual
mejor
mejor
peor
mejor
igual
mejor
igual
igual
igual
igual
mejor
mejor
mejor
igual
igual
mejor
mejor
mejor
mejor
igual
igual
igual
igual
peor
igual
mejor
igual
igual

90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143

mejor
mejor
peor
mejor
igual
igual
mejor
mejor
igual
igual
peor
mejor
igual
igual
igual
igual
igual
igual
igual
mejor
igual
igual
igual
mejor
igual
igual
mejor
mejor
mejor
igual
igual
mejor
igual
igual
igual
igual
igual
mejor
igual
igual
igual
peor
igual
mejor
igual
igual
igual
peor
igual
mejor
igual
mejor
igual
mejor

144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197

igual
igual
mejor
igual
mejor
mejor
igual
igual
mejor
igual
mejor
igual
igual
igual
igual
mejor
mejor
mejor
mejor
mejor
igual
mejor
igual
igual
mejor
igual
mejor
igual
mejor
igual
igual
igual
igual
mejor
igual
mejor
igual
igual
mejor
igual
mejor
igual
igual
igual
mejor
igual
igual
mejor
igual
igual
mejor
mejor
igual
igual

198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251

mejor
mejor
mejor
igual
mejor
mejor
igual
igual
igual
mejor
mejor
mejor
mejor
igual
igual
mejor
mejor
mejor
mejor
igual
igual
igual
igual
mejor
mejor
igual
igual
mejor
igual
igual
mejor
igual
mejor
igual
igual
igual
mejor
mejor
igual
mejor
mejor
igual
igual
igual
mejor
mejor
igual
igual
igual
igual
igual
igual
igual
mejor

252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305

igual
igual
igual
peor
igual
igual
igual
igual
mejor
mejor
mejor
igual
igual
igual
igual
igual
igual
igual
igual
igual
igual
igual
igual
igual
igual
mejor
mejor
igual
igual
igual
mejor
igual
igual
igual
igual
igual
mejor
igual
igual
mejor
mejor
mejor
mejor
igual
igual
igual
igual
igual
mejor
mejor
igual
mejor
mejor
mejor

306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359

igual
igual
igual
mejor
igual
igual
igual
igual
igual
peor
mejor
mejor
igual
mejor
peor
igual
igual
igual
igual
peor
peor
igual
igual
mejor
mejor
mejor
igual
mejor
mejor
igual
mejor
mejor
igual
mejor
mejor
mejor
igual
mejor
mejor
igual
mejor
mejor
igual
igual
peor
igual
igual
igual
igual
igual
igual
igual
igual
igual

360 igual
361 mejor
362 igual
363 igual
364 mejor
365 igual
366 igual
367 igual
368 mejor
369 peor
370 mejor
371 mejor
372 igual
373 mejor
374 mejor
375 igual
376 igual
377 igual
378 igual
379 peor
380 igual
381 peor
382 igual
383 igual
384 igual
385 igual
386 mejor
387 igual
388 igual
389 igual
390 mejor
391 igual
392 igual
393 igual
394 igual
> f=table(datos1)
> n=sum(f)
> h=(f/n)*100
> F=cumsum(f)
> H=cumsum(h)
> cbind(f,h,F,H)
f
h
F
H
Igual 235 59.644670 235 59.64467
Mejor 141 35.786802 376 95.43147
Peor
18 4.568528 394 100.00000
> f=table(datos)
> n=sum(f)
> h=(f/n)*100
> F=cumsum(f)
> H=cumsum(h)
> cbind(f,h,F,H)
f
h
F
H
0 18 4.568528 18
4.568528
1 235 59.644670 253 64.213198

2 141 35.786802 394 100.000000


> summary(datos)
V1
Min.
: 0.000
1st Qu.:1.000
Median: 1.000
Mean
: 1.312
3rd Qu.:2.000
Max.
:2.000
> boxplot(datos)
> boxplot(datos, notch=TRUE, col=(c("darkgreen")), main="situacion
actual", xlab="personas")
Mensajes de aviso perdidos
In bxp(list(stats = c(0, 1, 1, 2, 2), n = 394, conf =
c(0.920400749946139, :
some notches went outside hinges ('box'): maybe set notch=FALSE

> datos=c(1, 2, 1, 1, 2, 0, 1, 2, 2, 1, 1 ,1, 2, 2, 2, 1, 1, 2, 1, 1,


2, 2, 0, 2, 1, 2, 1, 1, 0, 2, 2, 1, 2, 1, 1, 2, 2, 1, 2, 1, 1, 1, 1,
1, 2, 1, 1, 1, 1, 1, 2, 2, 1, 1, 1, 1, 1, 1, 2, 1, 1, 2, 2, 0, 2, 1,

2, 1, 1, 1, 1, 2, 2, 2, 1, 1, 2, 2, 2, 2, 1, 1, 1, 1, 0, 1, 2, 1, 1,
2, 2, 0, 2, 1, 1, 2, 2, 1, 1, 0, 2, 1, 1, 1, 1, 1, 1, 1, 2, 1, 1, 1,
2, 1, 1, 2, 2, 2, 1, 1, 2, 1, 1, 1, 1, 1, 2, 1, 1, 1, 0, 1, 2, 1, 1,
1, 0, 1, 2, 1, 2, 1, 2, 1, 1, 2, 1, 2, 2, 1, 1, 2, 1, 2, 1, 1, 1, 1,
2, 2, 2, 2, 2, 1, 2, 1, 1, 2, 1, 2, 1, 2, 1, 1, 1, 1, 2, 1, 2, 1, 1,
2, 1, 2, 1, 1, 1, 2, 1, 1, 2, 1, 1, 2, 2, 1, 1, 2, 2, 2, 1, 2, 2, 1,
1, 1, 2, 2, 2, 2, 1, 1, 2, 2, 2, 2, 1, 1, 1, 1, 2, 2, 1, 1, 2, 1, 1,
2, 1, 2, 1, 1, 1, 2, 2, 1, 2, 2, 1, 1, 1, 2, 2, 1, 1, 1, 1, 1, 1, 1,
2, 1, 1, 1, 0, 1, 1, 1, 1, 2, 2, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
1, 1, 1, 2, 2, 1, 1, 1, 2, 1, 1, 1, 1, 1, 2, 1, 1, 2, 2, 2, 2, 1, 1,
1, 1, 1, 2, 2, 2, 2, 2, 1, 1, 1, 2, 1, 1, 1, 1, 0, 2, 2, 1, 2, 0, 1,
1, 1, 1, 0, 0, 1, 1, 2, 2, 2, 1, 2, 2, 1, 2, 2, 1, 2, 2, 2, 1, 2, 2,
1, 2, 2, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 1, 1, 2 , 1, 1, 1,
2, 0, 2, 2, 1, 2, 2, 1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 1, 2, 1, 1, 1, 2,
1, 1, 1, 1)
> quantile(datos, prob = seq(0, 1, length = 11), type = 5)
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
0
1
1
1
1
1
1
2
2
2
2
> quantile(datos)
0% 25% 50% 75% 100%
0
1
1
2
2
> quantile(datos, prob = c(0.15, 0.25, 0.35, 0.86, 0.99))
15% 25% 35% 86% 99%
1
1
1
2
2
> pie(h,col=c(2,3,4,5,6),main="GRAFICO CIRCULAR")

>

Segn el Boxplot o caja de Bigotes, podemos analizar que la situacin econmica de las personas
encuestadas es igual o peor que la mayora de los habitantes de la cuidad, pero la moda la tenemos
en el 1 que es igual, es decir que la situacin de los encuestados es igual a la mayora de los
ANLISIS
habitantes de la cuidad.

QUINTA PREGUNTA

0. - No me sirve para nada

1. Desenvolverme personalmente

2. Tener un buen desempeo laboral tambin en otro pas


3. Tener un buen desempeo laboral en mi pas
5. NS/NR

> Datos=read.table("quinta.txt")
> attach(datos)
> datos
V1
1
2
2
1
3
1
4
4
5
4
6
1
7
2
8
3
9
1
10
4
11
4
12
2
13
3
14
1
15
3
16
4
17
1
18
4
19
4
20
4
21
1
22
1
23
4
24
1
25
1
26
1
27
2
28
2
29
2
30
4
31
1
32
4
33
1
34
1
35
4
36
1
37
1

4. Conseguir empleo

38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94

4
4
1
1
4
1
1
1
4
3
3
1
0
2
1
1
1
4
4
2
2
4
1
4
3
3
1
4
4
3
2
1
0
1
1
1
2
1
1
1
1
2
4
4
4
1
0
1
1
1
4
1
3
3
1
4
4

95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151

2
3
1
4
4
1
1
3
0
1
1
4
3
1
3
1
4
1
1
3
3
2
3
2
4
1
4
4
4
4
4
1
2
4
1
0
1
1
1
4
1
0
0
1
3
3
0
3
3
4
0
1
2
4
4
4
4

152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208

0
1
2
2
1
4
0
3
3
3
3
3
1
3
2
4
4
3
2
1
4
1
4
1
1
1
1
1
1
1
1
1
1
1
2
1
2
0
2
1
2
4
4
2
4
4
1
4
2
1
3
2
3
1
1
4
4

209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265

3
2
1
3
4
4
3
1
2
4
2
4
1
2
4
2
4
0
4
1
4
4
4
2
1
2
2
0
4
1
1
4
1
1
4
1
4
1
4
4
1
1
3
1
2
1
4
4
0
4
4
4
3
2
2
4
4

266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322

3
0
3
4
4
4
2
1
4
4
2
3
3
1
0
4
4
1
4
1
1
4
2
0
2
4
1
4
1
1
1
1
1
1
4
1
0
1
4
2
4
4
1
2
4
4
1
4
1
1
1
1
4
1
1
4
4

323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379

3
4
0
0
4
0
2
2
2
2
1
2
0
4
4
0
2
2
2
2
1
2
0
4
4
2
2
2
1
4
1
4
1
2
1
4
4
2
2
4
1
4
3
4
1
4
1
4
4
4
4
1
4
1
3
4
1

380 0
381 0
382 1
383 0
384 1
385 1
386 1
387 1
388 4
389 1
390 4
391 4
392 4
393 4
394 4
> f=table(datos)
> n=sum(f)
> F=cumsum(f)
> H=cumsum(h)
Error: objeto 'h' no encontrado
> h=(f/n)*100
> H=cumsum(h)
> cbind(f,h,F,H)
f
h
F
H
0 28 7.106599 28
7.106599
1 136 34.517766 164 41.624365
2 61 15.482234 225 57.106599
3 42 10.659898 267 67.766497
4 127 32.233503 394 100.000000
> summary(datos)
V1
Min.
:0.000
1st Qu.:1.000
Median :2.000
Mean
:2.264
3rd Qu.:4.000
Max.
:4.000
> boxplot(datos)
> boxplot(datos, notch=TRUE, col=(c("darkblue")), main="...",
xlab="personas")

>
datos=c(2,1,1,4,4,1,2,3,1,4,4,2,3,1,3,4,1,4,4,4,1,1,4,1,1,1,2,2,2,4,1,4,1
,1,4,1,1,4,4,1,1,4,1,1,1,4,3,3,1,0,2,1,1,1,4,4,2,2,4,1,4,3,3,1,4,4,3,2,1,
0,1,1,1,2,1,1,1,1,2,4,4,4,1,0,1,1,1,4,1,3,3,4,4,2,3,1,4,4,1,1,3,0,1,1,4,3
,1,3,1,4,1,1,3,3,2,3,2,4,1,4,4,4,4,4,1,2,4,1,0,1,1,1,4,1,0,0,1,3,3,0,3,3,
4,0,1,2,4,4,4,4,0,1,2,2,1,4,0,3,3,3,3,3,1,3,2,4,4,3,2,1,4,1,4,1,1,1,1,1,1
,1,1,1,1,1,2,1,2,0,2,1,2,4,4,2,4,4,1,4,2,1,3,2,3,1,4,3,2,1,3,4,4,3,1,2,4,
2,4,1,2,4,2,4,0,4,1,4,4,4,2,1,2,2,0,4,1,1,4,1,1,4,1,4,1,4,4,1,1,3,1,2,1,4
,4,0,4,4,4,3,2,2,4,4,3,0,3,4,4,4,2,1,4,4,2,3,1,0,4,4,1,4,1,1,4,2,0,2,4,1,
4,1,1,1,1,1,1,4,1,0,1,4,2,4,4,1,2,4,4,1,4,1,1,1,1,4,1,1,4,4,3,4,0,0,4,0,2
,2,2,2,1,2,0,4,4,0,2,2,2,2,1,2,0,4,4,2,2,2,1,4,1,4,1,2,4,4,2,2,4,1,4,3,4,
1,4,1,4,4,4,4,1,4,1,3,4,1,0,0,0,1,1,1,1,4,1,4,4,4,4,4)
> quantile(datos, prob = seq(0, 1, length = 11), type = 5)
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
0
1
1
1
1
2
3
4
4
4
4
> quantile(datos)
0% 25% 50% 75% 100%
0
1
2
4
4
> quantile(datos, prob = c(0.15, 0.25, 0.35, 0.86, 0.99))
15% 25% 35% 86% 99%
1
1
1
4
4

> pie(h,col=c(2,3,4,5,6),main="GRAFICO CIRCULAR")

Intereses relacionados