¡Descarga Programacion informaticamente junior y más Monografías, Ensayos en PDF de Marketing de Ventas solo en Docsity!
Seminari 2
sample(1:173, size=10)
sample=mostra
estudiants[fila, columnes]
estudiants[sample(1:173, size=10),] 10 estudiants a l’atzar. Cada mostra és diferent. És una de los moltes posibles. table(estudiants[sample(1:173, size=10), 3])
D’aquesta mostra de 10 estudiants del curs, una taula que indica la taula 3,
referent al sexe. (La taula 2 seria el grup i, el 1, el nom.
sample(1:0, size=50, replace=TRUE)
Mostra, 1 dones 0 homes i aixo em dona 50 respostes en una pregunta biaria.
replicate(20, sum(sample(1:0, size=50, replace=TRUE)))
20 mostres d’1 i 0s i em surten
hist(replicate(2000, sum(sample(1:0, size=50, replace=TRUE))))
2000 mostres, però pasades a un histograma, per veureho mes clar
resultats <- hist(replicate(2000, sum(sample(1:0, size=50, replace=TRUE))))
guardar l’histograma de 2000 mostres com a “resultats”
plot(density(resultats))
fer una gràfica amb la mostra.
resultats <- hist(replicate(2000, sum(sample(1:0, size=50, prob=c(0.3,0.7), replace=TRUE)))
Vull probabilitats de 0.3 , 0.
Població p=o
Si/no
Mostra n=
Calculem p=suma/n
La mitjana de p sobre les mostres és 0.
resultats <- hist(replicate(2000, sum(sample(1:0, size=50, prob=c(0.3,0.7), replace=TRUE)/50))
de la meitat, doncs dones.
sqrt(0.3*0.7/50)
arrel quadrada
sd(resultats)
desviació típica
Població normal amb mitjana= 6,5 i desviació típica= 0,
rnorm( n=50, mean=6.5, sd = 0.8)
simulació d’una mostra de 50 numeros amb mitjana 6,5 desviacio 0,
resultatsNum <- replicate(2000, mean(rnorm( n=50, mean=6.5, sd = 0.8)))
2000 resultats numerics
plot(density(resultatsNum))
veure grafic
196/300 + 1.96 * 0.8 /sqrt(300)
Nos de la ràdio.
table(dataset$SEXE) Dona Home 163 137 prop.test( table(dataset$SEXE)) 1-sample proportions test with continuity correction data: table(dataset$SEXE), null probability 0. X-squared = 2.0833, df = 1, p-value = 0. alternative hypothesis: true p is not equal to 0. 95 percent confidence interval: 0.4851125 0. sample estimates: p
table(dataset$P42B_M_ICETA) valIceta <- as.numeric(dataset$P42B_M_ICETA)
Hi ha que són NA!!. Has d’arreglar, excloure’ls
valIceta <- na.exclude(as.numeric(dataset$P42B_M_ICETA)) Na exclosos. Hi ha 237, els no disponibles restants, fora. t.test(valIceta)
Podem asegurar que Iceta suspen. L’interval exlou el 5%. (95% interval que es
de 3,8 -4,52 mitjana de 4.2.
4.20 + c(-1,1) * sd(ValIceta/sqrt(237) Economia <- na.exclude(as.numeric(Microdades_anonimitzades_954$P14)) t.test(Economia)
One Sample t-test data: Economia t = 128.91, df = 1203, p-value < 2.2e- alternative hypothesis: true mean is not equal to 0 95 percent confidence interval: 6.041185 6. sample estimates: mean of x
