W
weighted.mean() {stats}
| Permite calcular la media ponderada de un conjunto de datos |
|
x <-c(0:4)
fi <-c(7,5,6,1,1)
weighted.mean(x=x,
w=fi)
## [1] 1.2
weighted.quantile() {modi}
¡Atención!
Instalar el paquete modi para hacer uso de la función weighted.quantile.
Para ello utilizar el siguiente código:
install.packages("modi")
| Calcula cuantiles considerando los pesos asociados a cada observación |
x= vector de clases o valores de la variable w= un vector de “pesos”, que pueden ser las frecuencias absolutas o relativas asociadas prob= proporciones acumuladas del cuantil que se desee |
library(modi)
x <-c(0:4)
fi <-c(7,5,6,1,1)
weighted.quantile(x,
fi,
prob = 0.75)
## [1] 2
weighted.var() {modi}
¡Atención!
Instalar el paquete modi para hacer uso de la función weighted.var.
Para ello utilizar el siguiente código:
install.packages("modi")
| Calcula la varianza ponderada de un conjunto de datos |
x= vector de clases o valores de la variable w= un vector de “pesos”, que pueden ser las frecuencias absolutas o relativas asociadas |
library(modi)
x <-c(0:4)
fi <-c(7,5,6,1,1)
weighted.var(x,fi)
## [1] 1.575
which() {base}
| Devuelve las posiciones de los elementos que cumplen con una condición especificada |
x<-c(14,2,6,1,3,5,7,9)
which(x>5)
## [1] 1 3 7 8
which.max() {base}
| Determina la ubicación, es decir, el índice del primer máximo de un vector numérico |
x<-c(14,2,6,1,3,5,7,9)
which.max(x)
## [1] 1
wilcox.test() {stats}
| Realiza pruebas Wilcoxon de una y dos muestras en vectores de datos; esta última también se conoce como prueba “U Mann-Whitney” |
x= vector numérico de valores de datos y= vector numérico opcional de valores de datos alternative= una cadena de caracteres que especifica la hipótesis alternativa. Puede ser “two.sided” (por defecto, bilateral), “greater” (por mayor) o “less” (por menor). Puede especificar solo la letra inicial mu= un número que especifica un parámetro opcional utilizado para formar la hipótesis nula paired= un lógico que indica si desea una prueba apareada. TRUE (muestras apareadas), FALSE (muestras no apareadas) |
F1 = c(71, 62, 62, 76, 60, 63, 78, 66, 55, 75)
F2 = c(67, 73, 73, 80, 54, 84, 78, 80, 82, 80, 74, 82, 82, 69, 64, 76)
wilcox.test(x = F1, y = F2,
alternative = "t",
paired = FALSE)
##
## Wilcoxon rank sum test with continuity correction
##
## data: F1 and F2
## W = 34, p-value = 0.01626
## alternative hypothesis: true location shift is not equal to 0
Na = c(471,393,712,315,412,419,423,701,301,456)
wilcox.test(Na, mu = 476, alternative = "l")
##
## Wilcoxon signed rank exact test
##
## data: Na
## V = 19, p-value = 0.2158
## alternative hypothesis: true location is less than 476
wp.kanova() {WebPower}
¡Atención!
Instalar el paquete WebPower para hacer uso de la función wp.kanova.
Para ello utilizar el siguiente código:
install.packages("WebPower")
| Analiza la potencia para ANOVA de dos vías, de tres vías y de k vías |
|
library(WebPower)
wp.kanova(ndf = 2,
f = 0.25,
ng = 15,
alpha = 0.05,
power=0.8)
## Multiple way ANOVA analysis
##
## n ndf ddf f ng alpha power
## 157.4436 2 142.4436 0.25 15 0.05 0.8
##
## NOTE: Sample size is the total sample size
## URL: http://psychstat.org/kanova
wtd.quantile() {Hmisc}
¡Atención!
Instalar el paquete Hmisc para hacer uso de la función wtd.quantile.
Para ello utilizar el siguiente código:
install.packages("Hmisc")
| Calcula cuantiles considerando los pesos asociados a cada observación |
x= vector de clases o valores de la variable w= un vector de “pesos”, que pueden ser las frecuencias absolutas o relativas asociadas prob= proporciones acumuladas del cuantil que se desee |
library(Hmisc)
x <-c(0:4)
fi <-c(7,5,6,1,1)
weighted.quantile(x,
fi,
prob = 0.75)
## [1] 2