UNIVERSIDAD DE CUENCA

FACULTAD DE CIENCIAS QUIMICAS

INGENIERIA INDUSTRIAL

NOMBRE:

ANDRES PRADO

LIZBETH TENEMAZA

CICLO:

TERCER CICLO

MATERIA:

ESTADISTICA

FECHA:

6/14/2020

TEMA:

TRABAJO GRUPAL
De la base de datos adjunta realizara:

• Histogramas
• Polígono de frecuencias con sus respectivas medidas de tendencia central
• Calculo de asimetría de Pearson, Fisher, Curtosis con los dos métodos.
• Comparar Energía con combustibles.
 HISTOGRAMAS

COMBUSTIBLES

ENERGIA
ORDENES DE TRABAJO

REMUNERACIONES-HONORARIOS
REMUNERACIONES-SUELDOS Y SALARIOS

REMUNERACIONES-VIATICOS Y MOVILIZACION
REPUESTOS Y MATERIALES

REPUESTOS Y MATERIALES LUBRICANTES PLANTA DE FUERZA

REPUESTOS Y MATERIALES MATERIALES VARIOS PLANTA DE FUERZA

REPUESTOS Y MATERIALES REPUESTOS Y PARTES PLANTA DE FUERZA

TIPO COEFICIENTE DE CURTOSIS FISHER
ASIMETRIA
-0.5534869
1.082448 -0.5734929
Combustibles

-0.9463845
-0.7176789 0.9161919
Energia

2.884198
0.7177063 9.153655
Ordenes de trabajo

2.884198
2.113425 -1.406305
Remuneraciones sueldos

Repuestos y materiales 1.068248

1.082448 0.0131949
data<-read.csv("..//Desktop/estadis grup/practicasi.csv",sep = ",",dec = ",",header = T,)

library(mice)

md.pattern(data) # para calcular na Faltantes

data_balance<-data[data$TIPO=="Balance",]

summary(data)

boxplot(data_balance$USD~data_balance$Descripción)

boxplot(data_balance$USD~data_balance$Descripción,cex.axis=0.5)

#Generar un array.

library(tidyr)

data_balance2<-spread(data_balance,

key="Descripción",

value="USD")

data_balance2$Capacitación.<-NULL

data_balance2$`Energia Electrica $-Kw-h/mes. Generac.`<-NULL

# Para vlver a la estructura original

summary(data_balance2)

data2<-gather(data_balance2,

key="Descripción",

value="USD",

`Combustibles.`:`Viaticos y movilización.`)

summary(data_balance2)

# PAra eliminar NA's

data3<-na.omit(data2)

summary(data3)

# agrupamiento de datos
library(fdth)

dist<-fdt(data3$USD,breaks="Sturges")

dist

#HISTOGRAMA

hist(data3$USD,

main="USD",

xlab="USD",

ylab="FRECUENCIA",

hist(data3$USD~data3$Descripción,

main="USD", xlab="USD", ylab="FRECUENCIA",)

library(modeest)

lines(density(data3$USD))

abline(v=mean(data3$USD),col="red")

abline(v=median(data3$USD),col="blue")

abline(v=mfv(data3$USD),col="green")

boxplot(data3$USD,main="USD")

#para combustible

data_combustible<-data3[data3$Cuenta=="Combustibles.",]

summary(data_combustible)

dist<-fdt(data_combustible$USD,breaks="Sturges")

dist

hist(data_combustible$USD,prob=T,main = "combustible",)

# graficos de meidas de tendencia central

#grafica de poligo de frecuencias

lines(density(data_combustible$USD))
abline(v=mean(data_combustible$USD),col="red")

abline(v=median(data_combustible$USD),col="blue")

abline(v=mfv(data_combustible$USD),col="green")

boxplot(data_combustible$USD,main="combustibles")

#para energia

data_energia<-data3[data3$Cuenta=="Energia.",]

summary(data_energia)

hist(data_energia$USD,prob=T,main = "Energia",cex.axis=0.3)

dist<-fdt(data_$USD,breaks="Sturges")

dist

#grafica de poligo de frecuencias

lines(density(data_energia$USD))

abline(v=mean(data_energia$USD),col="blue")

abline(v=median(data_energia$USD),col="yellow")

abline(v=mfv(data_energia$USD),col="green")

boxplot(data_energia$USD,main="combistible")

#para ordenes de trabajo

data_ordenes_trabajo<-data3[data3$Cuenta=="ORDENES DE TRABAJO",]

summary(data_ordenes_trabajo)

hist(data_ordenes_trabajo$USD,prob=T,main = "ORDENES DE TRABAJO",cex.axis=0.3)

#grafica de poligo de frecuencias

lines(density(data_ordenes_trabajo$USD))

abline(v=mean(data_ordenes_trabajo$USD),col="blue")

abline(v=median(data_ordenes_trabajo$USD),col="yellow")

abline(v=mfv(data_ordenes_trabajo$USD),col="green")

boxplot(data_ordenes_trabajo$USD,main="ORDENES DE TRABAJO")

#Remuneraciones

data_remuneraciones<-data3[data3$Cuenta=="Remuneraciones", ]

data_remuneraciones1<-data_remuneraciones[data_remuneraciones$Descripción=="Honorarios profesionales.", ]

hist(data_remuneraciones1$USD,prob=T,main="Remuneraciones-Honorarios",cex.axis=0.3)
#Para graficar el poligono de frecuencia

lines(density(data_remuneraciones1$USD))

abline(v=mean(data_remuneraciones1$USD),col="yellow")

abline(v=median(data_remuneraciones1$USD),col="green")

abline(v=mfv(data_remuneraciones1$USD),col="red")

boxplot(data_remuneraciones1$USD, main="Remuneraciones-Honorarios")

#Remuneraciones-Sueldos y salarios

data_remuneraciones2<-data_remuneraciones[data_remuneraciones$Descripción=="Sueldos y salarios.", ]

hist(data_remuneraciones2$USD,prob=T,main="Remuneraciones-Sueldos",cex.axis=0.3)

#Para graficar el poligono de frecuencia

lines(density(data_remuneraciones2$USD))

abline(v=mean(data_remuneraciones2$USD),col="blue")

abline(v=median(data_remuneraciones2$USD),col="green")

abline(v=mfv(data_remuneraciones2$USD),col="red")

boxplot(data_remuneraciones2$USD,main="Remuneraciones-Honorarios")

#Remuneraciones-Viaticos y movilizacion

data_remuneraciones3<-data_remuneraciones[data_remuneraciones$Descripción=="Viaticos y movilización.", ]

hist(data_remuneraciones3$USD,prob=T,main="Remuneraciones-Viaticos",cex.axis=0.3)

#Para graficar el poligono de frecuencia

lines(density(data_remuneraciones3$USD))

abline(v=mean(data_remuneraciones3$USD),col="blue")

abline(v=median(data_remuneraciones3$USD),col="green")

abline(v=mfv(data_remuneraciones3$USD),col="red")

boxplot(data_remuneraciones3$USD,main="Remuneraciones-Viaticos")

#Repuestos y materiales

data_repuestos<-data3[data3$Cuenta=="Repuestos y materiales.", ]

data_repuestos1<-data_repuestos[data_repuestos$Descripción=="Materiales de producción Planta de Fuerza", ]

hist(data_repuestos1$USD,prob=T,main="Repuestos(Materiales de proudcción)",cex.axis=0.3)
#Para graficar el poligono de frecuencia

lines(density(data_repuestos1$USD))

abline(v=mean(data_repuestos1$USD),col="blue")

abline(v=median(data_repuestos1$USD),col="green")

abline(v=mfv(data_repuestos1$USD),col="red")

boxplot(data_repuestos1$USD,main="Materiales de producción planta de fuerza")

#Repuestos y materiales Lubricantes Planta de Fuerza

data_repuestos<-data3[data3$Cuenta=="Repuestos y materiales.", ]

data_repuestos2<-data_repuestos[data_repuestos$Descripción=="Lubricantes Planta de Fuerza ", ]

hist(data_repuestos2$USD,prob=T,main="Lubricantes Planta de Fuerza",cex.axis=0.3)

#Para graficar el poligono de frecuencia

lines(density(data_repuestos2$USD))

abline(v=mean(data_repuestos2$USD),col="blue")

abline(v=median(data_repuestos2$USD),col="green")

abline(v=mfv(data_repuestos2$USD),col="red")

boxplot(data_repuestos2$USD,main="Lubricantes Planta de Fuerza")

#Repuestos y materiales Materiales varios Planta de Fuerza

data_repuestos<-data3[data3$Cuenta=="Repuestos y materiales.", ]

data_repuestos3<-data_repuestos[data_repuestos$Descripción=="Materiales varios Planta de Fuerza", ]

hist(data_repuestos3$USD,prob=T,main="Materiales varios Planta de Fuerza",cex.axis=0.3)

#Para graficar el poligono de frecuencia

lines(density(data_repuestos3$USD))

abline(v=mean(data_repuestos3$USD),col="blue")

abline(v=median(data_repuestos3$USD),col="green")

abline(v=mfv(data_repuestos3$USD),col="red")

boxplot(data_repuestos3$USD,main="Materiales varios Planta de Fuerza")

#Repuestos y materiales Repuestos y partes Planta de Fuerza

data_repuestos<-data3[data3$Cuenta=="Repuestos y materiales.", ]

data_repuestos4<-data_repuestos[data_repuestos$Descripción=="Repuestos y partes Planta de Fuerza", ]

hist(data_repuestos4$USD,prob=T,main="Repuestos y partes Planta de Fuerza",cex.axis=0.3)

#Para graficar el poligono de frecuencia

lines(density(data_repuestos4$USD))

abline(v=mean(data_repuestos4$USD),col="blue")

abline(v=median(data_repuestos4$USD),col="green")

abline(v=mfv(data_repuestos4$USD),col="red")

boxplot(data_repuestos4$USD,main="Repuestos y partes Planta de Fuerza")

#-----------------coeficiente de asimetria combustibles --------------

xm<-mean(data_cuenta$USD)

xm

med<-median(data_cuenta$USD)

med

s<-sd(data_cuenta$USD)

AS_combustible<-(3*(xm-med))/s

AS_combustible

#-----------------coeficiente de asimetria- energia --------------

xm<-mean(data_energia$USD,na.rm = TRUE)

xm

med<-median(data_energia$USD,na.rm = TRUE)

med

s<-sd(data_energia$USD,na.rm = TRUE)

AS_energia<-(3*(xm-med))/s

AS_energia

#-----------------coeficiente de asimetria- ordenes de trabajo --------------

xm<-mean(data_ordenes_trabajo$USD,na.rm = TRUE)

xm
med<-median(data_ordenes_trabajo$USD,na.rm = TRUE)

med

s<-sd(data_ordenes_trabajo$USD,na.rm = TRUE)

AS_ordenes<-(3*(xm-med))/s

AS_ordenes

#-----------------coeficiente de asimetria- remuneraciones --------------

xm<-mean(data_remuneraciones$USD,na.rm = TRUE)

xm

med<-median(data_remuneraciones$USD,na.rm = TRUE)

med

s<-sd(data_remuneraciones$USD,na.rm = TRUE)

AS_remuneraciones<-(3*(xm-med))/s

AS_remuneraciones

#-----------------coeficiente de asimetria- repuestos y materiales --------------

xm<-mean(data_repuestos$USD,na.rm = TRUE)

xm

med<-median(data_repuestos$USD,na.rm = TRUE)

med

s<-sd(data_repuestos$USD,na.rm = TRUE)

AS_repuestos<-(3*(xm-med))/s

AS_repuestos

#-----------------coeficiente de asimetria- remuneraciones viaticos --------------

xm<-mean(data_remuneraciones3$USD,na.rm = TRUE)

xm

med<-median(data_remuneraciones3$USD,na.rm = TRUE)

med

s<-sd(data_remuneraciones3$USD,na.rm = TRUE)
s

AS_remun<-(3*(xm-med))/s

AS_remun

#--------------------------curtosis combustibles-----------------

kurtosis=function(x) {

m4=mean((x-mean(x))^4)

kurt=m4/(sd(x)^4)-3

kurt}

kurtosis(data_cuenta$USD)

q1<-quantile(data_combustible$USD,0.25,na.rm=T)

q1

q2<-quantile(data_combustible$USD,0.75,na.rm=T)

q2

q3<-quantile(data_combustible$USD,0.90,na.rm=T)

q3

q4<-quantile(data_combustible$USD,0.10,na.rm=T)

q4

a<-q2-q1

b<-(2*(q3-q4))

cu<-a/b

cu

#--------------------------curtosis ordenes de materiales-----------------

kurtosis=function(x) {

m4=mean((x-mean(x))^4)

kurt=m4/(sd(x)^4)-3

kurt}
kurtosis(data_energia$USD)

q1<-quantile(data_energia$USD,0.25,na.rm=T)

q1

q2<-quantile(data_energia$USD,0.75,na.rm=T)

q2

q3<-quantile(data_energia$USD,0.90,na.rm=T)

q3

q4<-quantile(data_energia$USD,0.10,na.rm=T)

q4

a<-q2-q1

b<-(2*(q3-q4))

cu<-a/b

cu

#--------------------------curtosis ordenes de trabajo-----------------

kurtosis=function(x) {

m4=mean((x-mean(x))^4)

kurt=m4/(sd(x)^4)-3

kurt}

kurtosis(data_ordenes_trabajoa$USD)

q1<-quantile(data_ordenes_trabajo$USD,0.25,na.rm=T)

q1

q2<-quantile(data_ordenes_trabajo$USD,0.75,na.rm=T)

q2

q3<-quantile(data_ordenes_trabajo$USD,0.90,na.rm=T)

q3

q4<-quantile(data_ordenes_trabajo$USD,0.10,na.rm=T)

q4
a<-q2-q1

b<-(2*(q3-q4))

cu<-a/b

cu

#--------------------------curtosis de remuneraciones-----------------

kurtosis=function(x) {

m4=mean((x-mean(x))^4)

kurt=m4/(sd(x)^4)-3

kurt}

kurtosis(data_remuneraciones$USD)

q1<-quantile(data_remuneraciones$USD,0.25,na.rm=T)

q1

q2<-quantile(data_remuneraciones$USD,0.75,na.rm=T)

q2

q3<-quantile(data_remuneraciones$USD,0.90,na.rm=T)

q3

q4<-quantile(data_remuneraciones$USD,0.10,na.rm=T)

q4

a<-q2-q1

b<-(2*(q3-q4))

cu<-a/b

cu

kurtosis=function(x) {

m4=mean((x-mean(x))^4)

kurt=m4/(sd(x)^4)-3

kurt}
kurtosis(data_remuneraciones$USD)

q1<-quantile(data_remuneraciones$USD,0.25,na.rm=T)

q1

q2<-quantile(data_remuneraciones$USD,0.75,na.rm=T)

q2

q3<-quantile(data_remuneraciones$USD,0.90,na.rm=T)

q3

q4<-quantile(data_remuneraciones$USD,0.10,na.rm=T)

q4

a<-q2-q1

b<-(2*(q3-q4))

cu<-a/b

cu

#--------------------------curtosis ordenes de trabajo-----------------

kurtosis=function(x) {

m4=mean((x-mean(x))^4)

kurt=m4/(sd(x)^4)-3

kurt}

kurtosis(data_ordenes_trabajoa$USD)

q1<-quantile(data_ordenes_trabajo$USD,0.25,na.rm=T)

q1

q2<-quantile(data_ordenes_trabajo$USD,0.75,na.rm=T)

q2

q3<-quantile(data_ordenes_trabajo$USD,0.90,na.rm=T)

q3

q4<-quantile(data_ordenes_trabajo$USD,0.10,na.rm=T)

q4

a<-q2-q1
a

b<-(2*(q3-q4))

cu<-a/b

cu

#--------------------------curtosis de remuneraciones-----------------

kurtosis=function(x) {

m4=mean((x-mean(x))^4)

kurt=m4/(sd(x)^4)-3

kurt}

kurtosis(data_remuneraciones$USD)

q1<-quantile(data_remuneraciones$USD,0.25,na.rm=T)

q1

q2<-quantile(data_remuneraciones$USD,0.75,na.rm=T)

q2

q3<-quantile(data_remuneraciones$USD,0.90,na.rm=T)

q3

q4<-quantile(data_remuneraciones$USD,0.10,na.rm=T)

q4

a<-q2-q1

b<-(2*(q3-q4))

cu<-a/b

cu

#--------------------------curtosis ordenes de trabajo-----------------

kurtosis=function(x) {

m4=mean((x-mean(x))^4)

kurt=m4/(sd(x)^4)-3

kurt}
kurtosis(data_ordenes_trabajoa$USD)

q1<-quantile(data_ordenes_trabajo$USD,0.25,na.rm=T)

q1

q2<-quantile(data_ordenes_trabajo$USD,0.75,na.rm=T)

q2

q3<-quantile(data_ordenes_trabajo$USD,0.90,na.rm=T)

q3

q4<-quantile(data_ordenes_trabajo$USD,0.10,na.rm=T)

q4

a<-q2-q1

b<-(2*(q3-q4))

cu<-a/b

cu

#--------------------------curtosis de repuestos y materiales-----------------

kurtosis=function(x) {

m4=mean((x-mean(x))^4)

kurt=m4/(sd(x)^4)-3

kurt}

kurtosis(data_repuestos$USD)

q1<-quantile(data_repuestos$USD,0.25,na.rm=T)

q1

q2<-quantile(data_repuestos$USD,0.75,na.rm=T)

q2

q3<-quantile(data_repuestos$USD,0.90,na.rm=T)

q3

q4<-quantile(data_repuestos$USD,0.10,na.rm=T)

q4

a<-q2-q1
a

b<-(2*(q3-q4))

cu<-a/b

cu

#______________ Frisher______________

#Combustibles

fri_com<-skewness(data_combustible$USD)

fri_com

#Energia

fri_ener<-skewness(data_energia$USD)

fri_ener

#Ordenes de trabajo

fri_or<-skewness(data_ordenes_trabajo$USD)

fri_or

#remuneracion sueldos

fri_su<-skewness(data_ordenes_trabajo$USD)

fri_su

#repuestos y materiales

fri_rep<-skewness(data_repuestos$USD)

fri_rep

#Remuneraciones y viaticos

fri_remu<-skewness(data_remuneraciones$USD)

fri_remu

#_________

#Combustible

cur_com<-kurtosis(data_combustible$USD)

cur_com

#Energia

cur_ener<-kurtosis(data_energia$USD)

cur_ener

#ordenes de trabajo

cur_ordenes<-kurtosis(data_ordenes_trabajo$USD)

cur_ordenes

#remuneraion sueldos
cur_remuneraciones<-kurtosis(data_remuneraciones$USD)

cur_remuneraciones

#Repuestos

cur_repuestos<-kurtosis(data_repuestos$USD)

cur_repuestos