Documentos de Académico
Documentos de Profesional
Documentos de Cultura
## Tablas de contingencia
## Punto 1.
futbol<-read.table(file.choose(),header = TRUE)
futbol
## a) Tabla de contingencia
t.futbol<-table(futbol)
tot.t.futbol<-addmargins(t.futbol)
tot.t.futbol
porc.t.futbol<-prop.table(t.futbol)*100
porc.t.futbol
## por lo contrario el 16.6% de los hombres no desean ver la final. Para las mujeres
## el 41.6% quieren ver la final de futbol y solo el 8.3% no quiere verla.
## Perfil fila
fila<-round(prop.table(t.futbol,1)*100,2)
fila
## el 66.6% no desa verlo; por otro lado el 16.6% de mujeres no desean ver la final
## Perfil columna
columna<-round(prop.table(t.futbol,2)*100,2)
columna
## INTERPRETACIÓN: el 80% que no desean ver la final de futbol son hombres, el otro 20%
## corresponde a las mujeres. Se obtiene que el 71.43% que desean ver la final de futbol
legend("top",legend=colnames(t(t.futbol)),horiz=T,fill=rainbow(2),bty="n",cex=0.8)
## e) Crear la gráfica para los perfiles fila
legend("top",legend=colnames(t(t.futbol)),horiz=T,fill=rainbow(2),bty="n",cex=0.8)
legend("top",legend=colnames(t(t.futbol)),horiz=T,fill=rainbow(2),bty="n",cex=0.8)
## Punto 2.
t.trab<-matrix(c(335,402,38,1022,1429,841,2132,2427,2511),3)
dimnames(t.trab)<-list(Salario=c("Bajo","Medio","Alto"),Edad=c("Joven","Medio","Mayor"))
t.trab
## INTERPRETACIÓN: 2132 trabajadores que son de edad mayor tienen un salario bajo, 1022
## trabajadores de edad medio tienen salario bajo, 335 trabajadores de edad joven tiene salario
## bajo, 2427 trabajadores de edad mayor tienen un salario medio, 1429 trabajadores de edad
medio
## tienen salario medio, 402 trabajadores de edad joven tienen salario medio, 2511 trabajadores
## de edad mayor tienen un salario alto, 841 trabajadores de edad medio tienen un salario alto
## y 38 trabajadores de edad joven tienen un salario alto.
columna<-round(prop.table(t.trab,2)*100,2)
columna
## INTERPRETACIÓN: El 30.16% de los trabajadores que son de edad mayor tienen un salario bajo,
## el 31.04% de los trabajadores de edad medio tienen salario bajo, el 43.23% de los trabajadores
## de edad joven tiene salario bajo, el 34.33% de los trabajadores de edad mayor tienen un
## salario medio, el 43.41% de los trabajadores de edad medio tienen salario medio, el 51.87%
## de los trabajadores de edad joven tienen salario medio, el 35.52% de los trabajadores
## de edad mayor tienen un salario alto, el 25.55% de los trabajadores de edad medio tienen un
## salario alto y el 4.9% de los trabajadores de edad joven tienen un salario alto.
fila<-round(prop.table(t.trab,1)*100,2)
fila
## INTERPRETACIÓN: El 61.11% de los trabajadores que tienen un salario bajo son de edad
## mayor, el 29.29% de los trabajadores que tienen un salario bajo son de edad media,
## el 9.6% de los trabajadores que tienen un salario bajo son de edad joven,
## el 57% de los trabajadores que tienen un salario medio son de edad mayor,
## el 33.56% de los trabajadores que tienen un salario medio son de edad media,
## el 9.44% de los trabajadores que tienen un salario medio son de edad joven,
## el 74.07% de los trabajadores que tienen un salario alto son de edad mayor,
## el 24.81% de los trabajadores que tienen un salario alto son de edad media,
## y el 1.12% de los trabajadores que tienen un salario alto son de edad joven.
## d) Hacer la gráfica para el perfil fila
legend("top",legend=colnames(t(t.trab)),horiz=T,fill=rainbow(3),bty="n",cex=0.8)
legend("top",legend=colnames(t(t.trab)),horiz=T,fill=rainbow(3),bty="n",cex=0.8)
## Sistema de hipótesis
## Vs
## Estadistica de prueba
addmargins(t.trab)
tot.f<- addmargins(t.trab,2)[,4]
tot.c<- addmargins(t.trab,1)[4,]
## Eij= Frecuencias esperadas
eij.t.trab<-(tot.f%*%t(tot.c))/sum(t.trab)
chi.t.trab<-sum((t.trab-eij.t.trab)^2/eij.t.trab)
## es decir 4 gl
## P(X>chi.t.trab)
1-pchisq(chi.t.trab,4)
## como el p-valor es menor que cualquier nivel de significancia alfa hay suficiente evidencia
## Usando comando de R
chisq.test(t.trab)
## Con el comando de R hay suficiente evidencia estadistica que se rechaza H0 dado que el
## Punto 3.
library(readxl)
turista<-read_excel(file.choose())
turista
## b) Con la variable edad formar una nueva variable categórica llamada ETAPA
t.ee<-table(turista$Etapa,turistas$`Estado Civil`)
t.ee
t.ge<-table(turista$Género,turistas$`Estado Civil`)
tt.ge
tot.t.ee<-addmargins(t.ee)
tot.t.ee
porc.t.ee<-prop.table(tot.t.ee)*100
porc.t.ee<-addmargins(porc.t.ee)
porc.t.ee
### Totales por fila y columna (Género vs Estado Civil)
tot.t.ge<-addmargins(t.ge)
tot.t.ge
porc.t.ee<-prop.table(porc.t.ee)*100
porc.t.ee<-addmargins(porc.t.ee)
## observa que el 32.05% de personas en la adultez están casados, tambien que el 21.93%
## están solteros.
## las mujeres están casadas con un 19.52% y que los menores porcentajes son en el ser
## divorciada y viuda con un 2.65%. Por otro lado los hombres presentan un porcentaje del
## Sistema de hipótesis
## Vs
## Estadistica de prueba
tot.f<- addmargins(t.ee,2)[,6]
tot.f
tot.c<- addmargins(t.ee,1)[4,]
tot.c
eij.t.ee<-(tot.f%*%t(tot.c))/sum(t.ee)
eij.t.ee
## Como más del 20% de las frecuencias esperadas estimadas es menor que 5 no se puede
## otro coeficiente.
## Sistema de hipótesis
## Vs
## Estadistica de prueba
addmargins(t.ge)
## Totales por fila
tot.f<- addmargins(t.ge,2)[,6]
tot.f
tot.c<- addmargins(t.trab,1)[3,]
tot.c
eij.t.ge<-(tot.f%*%t(tot.c))/sum(t.ge)
eij.t.ge
chi.t.ge<-sum((t.ge-eij.t.ge)^2/eij.t.ge)
chi.t.ge
## es decir 4 gl
## P(X>chi.ge)
1-pchisq(chi.ge,4)
## como el p-valor es mayor que cualquier nivel de significancia alfa hay suficiente evidencia
## estadistica para no rechazar Ho, Luego el género no depende del estado civil.
## Usando comando de R
chisq.test(t.ge)
## Con el comando de R se observa que como el p-valor es mayor que cualquier nivel de
## significancia alfa hay suficiente evidencia estadistica para no rechazar Ho, Luego