# CURSO ESTAD�STICA DESCRIPTIVA

# GU�A ACTIVIDAD GRUPAL FASE 5

# VARIABLES CUANTITATIVAS DISCRETAS

##PRIMERA VARIABLE DISCRETA
##En este caso importamos el archivo DATOS
##Para importalo descargue el archivo DATOS.CSV en el enlace de la gu�a y
###ubiquelo en la carpeta ESTADISTICA DESCRIPTIVA
## DEBEN ABRIRLO CON programa EXCEL
##Y REGISTRAR LOS DATOS DE LAS DOS VARIABLES DISCRETAS DE SU TRABAJO
##LOS DATOS DE LAS DOS VARIABLES LOS DEBE CONSEGUIR EL ESTUDIANTE
##DE UNA EXPLOTACION O DE BASES DE DATOS
##DEBE REGISTRAR M�NIMO 20 DATOS
##TANTO EL CODIGO PRACTICA COMO EL ARCHIVO DATOS.CSV DEBEN ESTAR EN LA CARPETA
ESTADISTICA DESCRIPTIVA
##DESDE ARCHIVO DAMOS CAMBIAR DIR Y SELECCIONAMOS LA CARPETA DONDE ESTAN LOS DOS
ARCHIVOS.
##CON getwd() enter desde console verificamos que lea en la carpeta
##donde estan los dos archivos
##EJEMPLOS
##DICRETAS AGRON0MIA numero de frutos, numero de acaros por hoja,n�mero de trips
por trampa.
##DISCRETAS ZOOTECNIA n�mero de partos, n�mero de neonatos por hembra
##DISCRETAS AMBIENTAL n�mero de habitantes por casa, numero de casas por barrio.
## acorde a su carrera debe ubicar 20 datos de cada uan de las variables
##TRABAJO CON VARIABLES CONTINUAS
##DAR CONTROL R RENGLON TRAS RENGLON.
PROBA=read.table("DATOS.csv",header=T,sep=";",dec=",")
attach(PROBA)
attach(PROBA) # Muestra los objetos es decir sobre los cual R hace c�lculos
View(PROBA) # CUANDO APARECE LOS CIERRAN DANDO CLICK EN LA X DEL BORDE DE LA
VENTANA
## Mi variable discreta es # escribe que varible es dIscreta 1.
CONTEO=Discreta1 #
min(CONTEO)
max(CONTEO)
mean(CONTEO)
var(CONTEO)
##DE AQUI EN ADELANTE DAR CONTROL R
table(CONTEO) #Tabla de frecuencias absolutas
fabs=table(CONTEO) # Tabla de frecuencias absolutas
fabs
fabsacum<-as.table(cumsum(fabs)) # Frecuencias absolutas acumuladas
fabsacum
frel=prop.table(table(CONTEO)) # Tabla de frecuencias relativas
frel
frelacum<-as.table(cumsum(frel)) # Frecuencias relativas acumuladas
frelacum

# GR�FICOS VARIABLE DISCRETA

barplot(fabs,ylab="Frecuencias absolutas",main="GR�FICO DE BARRAS VARIABLE
DISCRETA")
barplot(frel,ylab="Frecuencias relativas",main="FRECUENCIAS RELATIVAS VARIABLE
DISCRETA")
barplot(frelacum,ylab="Frecuencias relativas",main="FRECUENCIAS RELATIVAS
ACUMULADAS VARIABLE DISCRETA")
### �Cu�l es el conteo m�s probable?

# Aplicacion de distribucion para conteo es un conteo no acotado se trabaja con

Poisson

# DISTRIBUCION DE POISSON

##EJERCICIO ESTUDIANTE
# Probabilidad de un valor minimo:
x= min(CONTEO) #valor de conteo que se quiere calcular la probabilidad
lamda= mean(CONTEO) #tomamos la media es un supuesto para fectos de este modelo
dpois(x,lamda)#PROBAILIDAD DEL VALOR x1

#Gr�fico de Poisson
lamda
fx.poison=dpois(x,lamda)
fy=ppois(x,lamda)
fx.poison=data.frame(x,"F(x)"=fx.poison,"SUM F(x)"=fy)
fx.poison

plot(x=fx.poison$x, y=fx.poison$F.x.,"h",xlab="Conteo",ylab= "Probabilidad de un

conteo m�nimo", main='Distribuci�n de Poisson',col=(510))

# VARIABLES CUANTITATIVAS CONTINUAS

# Importamos el archivo DATOS

##Para importalo descargue el archivo DATOS.CSV en el enlace y
###ubiquelo en la carpeta ESTADISTICA DESCRIPTIVA
# Debe abrirlo con Microsoft EXCEL
# REGISTRAR LOS DATOS DE LA VARIABLE CONTINUA DE SU TRABAJO
##TANTO EL CODIGO PRACTICA COMO EL ARCHIVO DATOS.CSV DEBEN ESTAR EN LA CARPETA
"ESTADISTICA DESCRIPTIVA"
##DESDE ARCHIVO DAMOS CAMBIAR DIR Y SELECCIONAMOS LA CARPETA DONDE ESTAN LOS DOS
ARCHIVOS.
# Digitando getwd() enter desde console verificamos que lea en la carpeta:
getwd()
#EJEMPLOS
##CONTINUAS AGRON0MIA pH, Peso de fruto, Altura de planta
##CONTINUAS ZOOTECNIA peso al sacrificio, Peso al nacimiento.
##CONTINUAS AMBIENTAL PM, precipitaci�n, DBO, DBQ

PROBA=read.table("DATOS.csv",header=T,sep=";",dec=",")
attach(PROBA)##Muestra los objetos es decir sobre los cual R hace c�lculos
attach(PROBA)
View(PROBA) # Debe aparecer la base de datos, comprueben que aparecen los datos
modificados
install.packages("fdth") # cuando salga el listado, seleccionar: USA(CA1)
##ESPERAR HASTA QUE EL CURSOR ROJO APAREZCA DE NUEVO EN LA PARTE DE ABAJO DE LA
CONSOLA DE LA IZQUIERDA

library(fdth) # Digitar Control+R dos veces

##VARIABLE Continua1

VARIABLECONTINUA1=Continua1
dist <- fdt(VARIABLECONTINUA1)

#TABLA DE FRECUENCIAS
dist
summary(VARIABLECONTINUA1)
minimos=min(VARIABLECONTINUA1)
maximos=max(VARIABLECONTINUA1)
length(VARIABLECONTINUA1)

#HISTOGRAMA DE FRECUENCIAS ABSOLUTAS:

plot(dist, type="fh",col="blue",main='HISTOGRAMA DE FRECUENCIAS ABSOLUTAS VARIABLE
CONTINUA')

#HISTOGRAMA DE FRECUENCIAS RELATIVAS:

plot(dist, type="rfh",col="blue",main='HISTOGRAMA DE FRECUENCIAS RELATIVAS VARIABLE
CONTINUA')
media1=mean(VARIABLECONTINUA1)
media1
desviaci�n1=sd(VARIABLECONTINUA1)
desviaci�n1

#APLICACION DE UN MODELO DE DISTRIBUCION NORMAL

# GRAFICO DE DISTRIBUCION NORMAL

# DATOS DE ENTRADA:
media= media1
MIN=media1-(var(VARIABLECONTINUA1))# minimo es media menos varianza
MAX=media1+(var(VARIABLECONTINUA1))# minimo es media m�s varianza

sigma=desviaci�n1
X=seq(MIN,MAX,by=0.5)#secuecnia de rango m�nimo a maximo
dnorm(X,media,sigma)
curve(dnorm(x,media,sigma),xlim=c(0,1200),,col="blue",lwd=2,
xlab="x",ylab="f(x)",main="Funci�n de Densidad Distribuci�n Normal
N(media.sigma)")

#PROBABILIDAD DE UN VALOR MENOR O IGUAL

media1
##Reemplazamos el valor del que se quiere saber su probabilidad
valor=656.76 # reemplaze el valor del que desee conocer la probabilidad de
obtener un valor menor al indicado
pnorm(valor,media,sigma) # registrar su resultado en el informe colaborativo

#PROBABILIDAD DE UN VALOR MAYOR

valo=656.76 #reemplaze el valor del que desee conocer la probabilidad de tener un
valor mayor que el indicado
1-pnorm(valo,media,sigma) # registrar su resultado en el informe colaborativo

##TRABAJO CON VARIABLES CUALITATIVAS

# En este caso, no se solicita que el estudiante modifique el archivo de Excel, ya
que s�lo se puede trabajar con variables binomiales

# EJEMPLOS
# Agronomia: frutos de primera y diferente a primera por cada cosechador de fresa
con una muestar de 50. semillas germinadas y no germinadas de 50 semillas.
# Zootecnia: fincas con aftosa y sin aftosa en una vereda, vacas pre�adas y no
pre�adas en un hato.
# Ingeniera ambiental: casa con algun sistema de ahorro de aguas y casas sin ning�n
sistema de ahorro de agua en un barrio
## En el Excel colocamos en texto el resultado en cada uno de los 20 datos, en el
ejemplo
# En 13 fincas se registra aftosa y en 7 no.
# El �xito es la condici�n deseada por el investigador, en este caso, miraremos la
probabilidad de que una finca tenga aftosa

# APLICACI�N DE UNA DISTRIBUCI�N BINOMIAL

p1=summary(Cualitativa1)
p1
# GR�FICO DE BARRAS VARIABLE CUALITATIVA BINOMIAL:
barplot(p1,main="GR�FICO DE BARRAS VARIABLE CUALITATIVA BINOMIAL")
#Como la variables es sanidad sacamos el numnero de fincas con aftosa del p1
Total=20
P=7/Total # deben hacerlo a mano, del p1 sacar las que cumplen con la condici�n de
tener aftosa, en este caso, son 7

P # indicar en el trabajo colaborativo la probabilidad de tener aftosa

#DISTRIBUCION BINOMIAL
#Ejercicio de este caso es aftosa
#Experimento es mirar si tiene o no tiene aftosa
#Evento es aftosa
k= 5 #queremos saber la probabilidad que 5 fincas tengan aftosa
n= 20 #numero total de fincas unidades
p=P #Probabilidad de �xito en los 20 casos registrados, en este caso aftosa
##LA PROBABILIDAD DE UN VALOR IGUAL P(X=5)5 FINCAS CON AFTOSA
dbinom(k,n,p)

#Gr�fica de distribuci�n binomial

plot(dbinom(0:n,n,0.35),type="h",xlab="k = evento de
ocurrencia",ylab="P(X=k)",main="Funci�n de Probabilidad Binomial con n=20 y
P=0.35")

# adjuntar la gr�fica en el informe, indicando de acuerdo a ella cual es el valor

que tiene mayor probabilidad de ocurrencia
# En el ejemplo dado, la gr�fica de distribuci�n binomial indica que la mayor
probabilidad de ocurrencia de fincas con aftosa est� entre 7 y 8