Para limpiar el workspace o informacion cargada #rm(list = ls())
# Limpiar espacio gráfico
#dev.off()
# Cambiar el directorio de trabajo (Donde se encuentra el archivo)
setwd(dirname(rstudioapi::getActiveDocumentContext()$path))
#setwd("D:\2022\2022-2\Pregrado\UNJFSC\Software de aplicación\Sesión 02")
getwd()[1] "C:/Users/Jhonn Neira/Desktop/UNJFSC/CICLO 7/CURSOS/SOFTWARE DE APLICACION/TRABAJOOOO/PROYECTO_FINAL"Importando los datos de excellibrary(readxl)
Caso_Aguacate_xls<-read_excel("avocado.csv..xlsx")Es conveniente transformarlo a dataFrameCaso_Aguacate_xls_frame <- as.data.frame(Caso_Aguacate_xls)
head(Caso_Aguacate_xls_frame) INDICE Date (FECHA DE OBSERVACION)
1 0 2015-12-27
2 1 2015-12-20
3 2 2015-12-13
4 3 2015-12-06
5 4 2015-11-29
6 5 2015-11-22
AveragePrice (PRECIO PROMEDIO)
1 1.33
2 1.35
3 0.93
4 1.08
5 1.28
6 1.26
Total Volume (NUMERO TOTAL DE AGUACATES VENDIDOS)
1 64237
2 54877
3 118220
4 78992
5 51040
6 55980
NUMERO TOTAL DE AGUACATE CON PLU 4046-PEQUEÑO VENDIDOS
1 1037
2 674
3 795
4 1132
5 941
6 1184
NUMERO TOTAL DE AGUACATE CON PLU 4225-LARGO VENDIDOS
1 54455
2 44639
3 109150
4 71976
5 43838
6 48068
NUMERO TOTAL DE AGUACATE CON PLU 4770-GRANDE VENDIDOS
1 48
2 58
3 131
4 73
5 76
6 44
Total Bags (BOLSAS TOTALES) Small Bags (BOLSAS PEQUEÑAS)
1 8697 8604
2 9506 9408
3 8145 8042
4 5811 5677
5 6184 5986
6 6684 6556
Large Bags (BOLSAS GRANDES) XLarge Bags (BOLSAS EXTRAGRANDES) type (TIPO)
1 93 0 conventional
2 97 0 conventional
3 103 0 conventional
4 134 0 conventional
5 198 0 conventional
6 127 0 conventional
year (AÑO) region (REGION)
1 2015 Albany
2 2015 Albany
3 2015 Albany
4 2015 Albany
5 2015 Albany
6 2015 Albany summary(Caso_Aguacate_xls_frame) INDICE Date (FECHA DE OBSERVACION)
Min. : 0.00 Min. :2015-01-04 00:00:00.0
1st Qu.:10.00 1st Qu.:2015-10-25 00:00:00.0
Median :24.00 Median :2016-08-14 00:00:00.0
Mean :24.23 Mean :2016-08-13 23:30:43.5
3rd Qu.:38.00 3rd Qu.:2017-06-04 00:00:00.0
Max. :52.00 Max. :2018-03-25 00:00:00.0
AveragePrice (PRECIO PROMEDIO)
Min. :0.440
1st Qu.:1.100
Median :1.370
Mean :1.406
3rd Qu.:1.660
Max. :3.250
Total Volume (NUMERO TOTAL DE AGUACATES VENDIDOS)
Min. : 85
1st Qu.: 10839
Median : 107377
Mean : 850644
3rd Qu.: 432962
Max. :62505647
NUMERO TOTAL DE AGUACATE CON PLU 4046-PEQUEÑO VENDIDOS
Min. : 0
1st Qu.: 854
Median : 8645
Mean : 293008
3rd Qu.: 111020
Max. :22743616
NUMERO TOTAL DE AGUACATE CON PLU 4225-LARGO VENDIDOS
Min. : 0
1st Qu.: 3009
Median : 29061
Mean : 295155
3rd Qu.: 150207
Max. :20470573
NUMERO TOTAL DE AGUACATE CON PLU 4770-GRANDE VENDIDOS
Min. : 0
1st Qu.: 0
Median : 185
Mean : 22840
3rd Qu.: 6243
Max. :2546439
Total Bags (BOLSAS TOTALES) Small Bags (BOLSAS PEQUEÑAS)
Min. : 0 Min. : 0
1st Qu.: 5089 1st Qu.: 2849
Median : 39744 Median : 26363
Mean : 239639 Mean : 182195
3rd Qu.: 110783 3rd Qu.: 83338
Max. :19373134 Max. :13384587
Large Bags (BOLSAS GRANDES) XLarge Bags (BOLSAS EXTRAGRANDES)
Min. : 0 Min. : 0.0
1st Qu.: 127 1st Qu.: 0.0
Median : 2648 Median : 0.0
Mean : 54338 Mean : 3106.4
3rd Qu.: 22029 3rd Qu.: 132.5
Max. :5719097 Max. :551693.7
type (TIPO) year (AÑO) region (REGION)
Length:18249 Min. :2015 Length:18249
Class :character 1st Qu.:2015 Class :character
Mode :character Median :2016 Mode :character
Mean :2016
3rd Qu.:2017
Max. :2018 str(Caso_Aguacate_xls_frame)'data.frame': 18249 obs. of 14 variables:
$ INDICE : num 0 1 2 3 4 5 6 7 8 9 ...
$ Date (FECHA DE OBSERVACION) : POSIXct, format: "2015-12-27" "2015-12-20" ...
$ AveragePrice (PRECIO PROMEDIO) : num 1.33 1.35 0.93 1.08 1.28 1.26 0.99 0.98 1.02 1.07 ...
$ Total Volume (NUMERO TOTAL DE AGUACATES VENDIDOS): num 64237 54877 118220 78992 51040 ...
$ NUMERO TOTAL DE AGUACATE CON PLU 4046-PEQUEÑO VENDIDOS: num 1037 674 795 1132 941 ...
$ NUMERO TOTAL DE AGUACATE CON PLU 4225-LARGO VENDIDOS : num 54455 44639 109150 71976 43838 ...
$ NUMERO TOTAL DE AGUACATE CON PLU 4770-GRANDE VENDIDOS : num 48 58 131 73 76 44 93 80 85 113 ...
$ Total Bags (BOLSAS TOTALES) : num 8697 9506 8145 5811 6184 ...
$ Small Bags (BOLSAS PEQUEÑAS) : num 8604 9408 8042 5677 5986 ...
$ Large Bags (BOLSAS GRANDES) : num 93 97 103 134 198 127 122 562 284 564 ...
$ XLarge Bags (BOLSAS EXTRAGRANDES) : num 0 0 0 0 0 0 0 0 0 0 ...
$ type (TIPO) : chr "conventional" "conventional" "conventional" "conventional" ...
$ year (AÑO) : num 2015 2015 2015 2015 2015 ...
$ region (REGION) : chr "Albany" "Albany" "Albany" "Albany" ...♔CREAMOS TABLAS DE ENTRENAMIENTO Y DE PRUEBAfilas_para_entrenar <- sample(1:18249, 18200)
ENTRENAMIENTO1 <- Caso_Aguacate_xls_frame[filas_para_entrenar,]
PRUEBA1 <- Caso_Aguacate_xls_frame[-filas_para_entrenar,]
dim(Caso_Aguacate_xls_frame)[1] 18249 14 dim(ENTRENAMIENTO1) [1] 18200 14 dim(PRUEBA1) [1] 49 14♔GENERAMOS FORMATO DE PRUEBA#write.csv(PRUEBA1,"C:/Users/–/Desktop/TRABAJO FINAL SOFTWARE/PRUEBA1.csv")
Prueba de hipótesis - T-Student▼NORMALIDAD:#Antes de utilizar prueba t-student (probar la normalidad)
# Prueba de Normalidad
# H0 : El precio promedio del aguacate tiene una Distribución Normal.
# H1 : El precio promedio del aguacate no tiene una Distribución Normal.
library(dplyr)
# Shapiro-Wilk
shapiro.test(PRUEBA1$`AveragePrice (PRECIO PROMEDIO)`)
Shapiro-Wilk normality test
data: PRUEBA1$`AveragePrice (PRECIO PROMEDIO)`
W = 0.91486, p-value = 0.001743 #_______________________________________________________
# Regla:
# P-valor < alfa (si se cumple), entonces rechazamos Ho
#_______________________________________________________Prueba de Kolmogov-Smirnovks.test(PRUEBA1$`AveragePrice (PRECIO PROMEDIO)`, "pnorm", mean(PRUEBA1$`AveragePrice (PRECIO PROMEDIO)`,sd(PRUEBA1$`AveragePrice (PRECIO PROMEDIO)`)))
Asymptotic one-sample Kolmogorov-Smirnov test
data: PRUEBA1$`AveragePrice (PRECIO PROMEDIO)`
D = 0.30873, p-value = 0.0001756
alternative hypothesis: two-sidedPrueba de Lilliefors library(nortest)
lillie.test(ENTRENAMIENTO1$`AveragePrice (PRECIO PROMEDIO)`)
Lilliefors (Kolmogorov-Smirnov) normality test
data: ENTRENAMIENTO1$`AveragePrice (PRECIO PROMEDIO)`
D = 0.051688, p-value < 2.2e-16Prueba de Anderson Darling# library(nortest)
ad.test(ENTRENAMIENTO1$`AveragePrice (PRECIO PROMEDIO)`)
Anderson-Darling normality test
data: ENTRENAMIENTO1$`AveragePrice (PRECIO PROMEDIO)`
A = 79.39, p-value < 2.2e-16Prueba de D'Agostino library(moments)
agostino.test(ENTRENAMIENTO1$`AveragePrice (PRECIO PROMEDIO)`)
D'Agostino skewness test
data: ENTRENAMIENTO1$`AveragePrice (PRECIO PROMEDIO)`
skew = 0.57955, z = 29.72460, p-value < 2.2e-16
alternative hypothesis: data have a skewnessPrueba de Cramer Von Miseslibrary(nortest)
cvm.test(ENTRENAMIENTO1$`AveragePrice (PRECIO PROMEDIO)`)Warning in cvm.test(ENTRENAMIENTO1$`AveragePrice (PRECIO PROMEDIO)`): p-value is
smaller than 7.37e-10, cannot be computed more accurately
Cramer-von Mises normality test
data: ENTRENAMIENTO1$`AveragePrice (PRECIO PROMEDIO)`
W = 11.966, p-value = 7.37e-10Prueba de Jarque Beralibrary(moments)
jarque.test(ENTRENAMIENTO1$`AveragePrice (PRECIO PROMEDIO)`)
Jarque-Bera Normality Test
data: ENTRENAMIENTO1$`AveragePrice (PRECIO PROMEDIO)`
JB = 1095.4, p-value < 2.2e-16
alternative hypothesis: greaterComo se comprobó la normalidad entonces utilizamos t-student# tiene que comprobarse primero la normalidad en este caso no es normal
# Paso 3:
# Prueba t-student
t.test(ENTRENAMIENTO1$`AveragePrice (PRECIO PROMEDIO)`, alternative = "two.sided", mu = 2)
One Sample t-test
data: ENTRENAMIENTO1$`AveragePrice (PRECIO PROMEDIO)`
t = -198.99, df = 18199, p-value < 2.2e-16
alternative hypothesis: true mean is not equal to 2
95 percent confidence interval:
1.400048 1.411751
sample estimates:
mean of x
1.405899 # data: caso
# p-value < 2.2e-16 , por lo tanto
# SE RECHAZA LA HIPÓTESIS NULA
# Según evidencia estadística, la media de los precios promedios no ha cambiadoMANUALMENTE t_calc <- (mean(ENTRENAMIENTO1$`AveragePrice (PRECIO PROMEDIO)`)-2)/(sd(ENTRENAMIENTO1$`AveragePrice (PRECIO PROMEDIO)`)/sqrt(length(ENTRENAMIENTO1$`AveragePrice (PRECIO PROMEDIO)`)))
t_calc[1] -198.9927 # Valor crítico
qt(0.025,length(ENTRENAMIENTO1$`AveragePrice (PRECIO PROMEDIO)`)-1)[1] -1.960094—-T-Student muestras relacionadas—-# Importando los datos de excel
#library(readxl)
#Caso_Aguacate_xls<-read_excel("avocado.csv..xlsx")
# Es conveniente transformarlo a dataFrame
#Caso_Aguacate_xls_frame <- as.data.frame(Caso_Aguacate_xls)
#head(Caso_Aguacate_xls_frame)Generar las diferencias PRUEBA1$Direfencia <- PRUEBA1$`Total Volume (NUMERO TOTAL DE AGUACATES VENDIDOS)`- PRUEBA1$`NUMERO TOTAL DE AGUACATE CON PLU 4046-PEQUEÑO VENDIDOS`
# diferencias <- caso1$Después-caso1$Antes
# Prueba de normalidad para las diferencias
# H0 : Las diferencias de ventas tiene una Distribución Normal.
# H1 : Las diferencias de ventas no tiene una Distribución Normal.
library(dplyr)
# Shapiro-Wilk
shapiro.test(PRUEBA1$Direfencia)
Shapiro-Wilk normality test
data: PRUEBA1$Direfencia
W = 0.49173, p-value = 8.652e-12 # si es < 0.05, se rechaza Ho
# Las diferencias de puntajes no tiene una Distribución Normal.
# Hipótesis
# Ho: mu_dif <= 0
# H1: mu_dif > 0
# Nivel de sig. = 0.05
# Estadístico t para muestras relacionadas ("two.sided", "less", "greater")
# Forma 1
t.test(PRUEBA1$Direfencia, alternative = "greater", mu= 0)
One Sample t-test
data: PRUEBA1$Direfencia
t = 3.5307, df = 48, p-value = 0.0004631
alternative hypothesis: true mean is greater than 0
95 percent confidence interval:
159962.5 Inf
sample estimates:
mean of x
304715.4 # si es < 0.05, por lo tanto
# Se rechaza la hipótesis nulaIMPORTAR ARCHIVO EXCELlibrary(readxl)
c_t1 <- read_excel("cantidad_typo(1).xlsx")
# Forma 2
t.test(c_t1$conventional,c_t1$organic, paired = TRUE, alternative = "g", mu=0)
Paired t-test
data: c_t1$conventional and c_t1$organic
t = 2.3663, df = 17, p-value = 0.01505
alternative hypothesis: true mean difference is greater than 0
95 percent confidence interval:
234352.6 Inf
sample estimates:
mean difference
884858.5 Prueba de normalidad para los grupos # H0 : Los puntajes tiene una Distribución Normal.
# H1 : Los puntajes no tiene una Distribución Normal.
# Grupo A
library(dplyr)
# Shapiro-Wilk
shapiro.test(c_t1$conventional)
Shapiro-Wilk normality test
data: c_t1$conventional
W = 0.5386, p-value = 1.767e-06 # W = 0.5386, p-value = 1.767e-06
# Los puntajes no tiene una Distribución Normal.
# Grupo B
shapiro.test(c_t1$organic)
Shapiro-Wilk normality test
data: c_t1$organic
W = 0.37072, p-value = 1.952e-10 # W = 0.37072, p-value = 1.952e-10
# Los puntajes no tiene una Distribución Normal.Homogeneidad de varianzasc_t <- read_excel("cantidad_typo.xlsx")
# Pasar a un data frame
c_tF<-as.data.frame(c_t)
head(c_tF) type (TIPO) Total Volume (NUMERO TOTAL DE AGUACATES VENDIDOS)
1 conventional 747841
2 conventional 450603
3 conventional 191078
4 conventional 841724
5 conventional 466120
6 conventional 289680 # Prueba de Levenne
library(car)
head(c_tF) type (TIPO) Total Volume (NUMERO TOTAL DE AGUACATES VENDIDOS)
1 conventional 747841
2 conventional 450603
3 conventional 191078
4 conventional 841724
5 conventional 466120
6 conventional 289680 leveneTest(y=c_tF$`Total Volume (NUMERO TOTAL DE AGUACATES VENDIDOS)`, group=c_tF$`type (TIPO)`, center="mean")Levene's Test for Homogeneity of Variance (center = "mean")
Df F value Pr(>F)
group 1 13.704 0.000561 ***
47
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 #group 1 13.704 0.000561 < 0.05Prueba de Bartlettbartlett.test(c_tF$`Total Volume (NUMERO TOTAL DE AGUACATES VENDIDOS)` ~ c_tF$`type (TIPO)`)
Bartlett test of homogeneity of variances
data: c_tF$`Total Volume (NUMERO TOTAL DE AGUACATES VENDIDOS)` by c_tF$`type (TIPO)`
Bartlett's K-squared = 104.93, df = 1, p-value < 2.2e-16 # Bartlett's K-squared = 104.93, df = 1, p-value < 2.2e-16
# Las varianzas no son iguales
# Queremos saber con un nivel de significancia de 0,05 si existe
# diferencia entre la media de los dos grupos.
# Hipótesis
# Ho: mu_A = mu_B
# H1: mu_A != mu_B
# Nivel de significancia = 0.05Estadistico t para muestras independientest.test(c_t1$conventional,c_t1$organic, paired = FALSE, mu=0, var.equal = TRUE,
alternative = "two.sided")
Two Sample t-test
data: c_t1$conventional and c_t1$organic
t = 3.185, df = 47, p-value = 0.002571
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
329322.5 1458696.8
sample estimates:
mean of x mean of y
939254.50 45244.84 # t = 3.185, df = 47, p-value = 0.002571 < 0.05, por lo tanto rechazo Ho
# Hay evidencia estadística suficiente para decir que las medias son diferentes