Pregunta: *RESPONDE SOLO SI CONOCES RSTUDIO*#Cada vez que abre una nueva sesión de RStudio, debe ejecutar los siguientes tres comandos. #Resáltalos y presiona Ejecutar o CTRL+ENTRAR requerir (mosaico) requerir (introducción abierta) requerir (MASA) #leer en el conjunto de datos de Ames

*RESPONDE SOLO SI CONOCES RSTUDIO*

#Cada vez que abre una nueva sesión de RStudio, debe ejecutar los siguientes tres comandos.
#Resáltalos y presiona Ejecutar o CTRL+ENTRAR
requerir (mosaico)
requerir (introducción abierta)
requerir (MASA)

#leer en el conjunto de datos de Ames Housing
AmesHousing<-read.csv("http://www.math.usu.edu/cfairbourn/Stat2300/RStudioFiles/data/AmesHousing.csv")
#El conjunto de datos contiene información de la Oficina del Tasador de Ames 
#utilizado en el cálculo de valores tasados para viviendas individuales 
#propiedades vendidas en Ames, IA de 2006 a 2010.

Piso1<-subconjunto(AmesHousing, AmesHousing$House.Style=="1Story")

#Construir un histograma de densidad de la variable
hist(Story1$SalePrice, main="Casas de un piso", prob=TRUE,
     xlab="Precio de venta", col="azul celeste", xaxt='n')
eje (lado = 1, en = secuencia (0, max (Historia1 $ Precio de venta), 50000))

#Calcular la media y la desviación estándar de la variable
s=sd(Historia1$PrecioOferta)
m=media(Historia1$PrecioOferta)

#Agregue la superposición de la curva normal
puntos(seq(min(Historia1$PrecioOferta)-1500, max(Historia1$PrecioOferta)+1500, longitud.salida=500),
       dnorm(seq(min(Historia1$PrecioOferta)-1500, max(Historia1$PrecioOferta)+1500, longitud.salida=500),
             m, s), tipo="l", col="azul oscuro", lwd=2)

#Dividir la curva normal en regiones
#Calcular y almacenar los puntos finales de las regiones
puntos finales<-c(-100*s+m,-1.5*s+m,-.75*s+m,m,m+.75*s,m+1.5*s,100*s+m)
#agregue las líneas de punto final al gráfico
abline(v=puntos finales, col="rojo", lwd=3)

#Calcular las probabilidades de la curva normal para cada región
probs<-c(pnorm(-1.5),(pnorm(-.75)-pnorm(-1.5)), pnorm(0)-pnorm(-.75), pnorm(.75)-pnorm(0), pnorm (1.5)-p norma (.75), 1-p norma (1.5))
problemas

#Cuente el número de filas (puntos de datos) en el conjunto de datos
n=nfila(Historia1)
norte
#Calcular los valores esperados para cada región
exvals<-problemas*n
Exvals

#Cuenta el número de puntos de datos en cada región y guárdalo en una tabla
frecuencias = tabla (corte (Historia1 $ Precio de venta, descansos = puntos finales))
frecuencias

#Utilice el siguiente comando para calcular la estadística de prueba.
#Tendrás que recalcular el valor p usando el df correcto.
tst<-chisq.test(frecuencias,p=probs)
tst$estadística
pval<-pchisq(tst$estadística,3,inferior.cola=FALSO)
pval

¡Ahora tu intenta!

Utilice el código del archivo Duplex.R para realizar una prueba de hipótesis para determinar si los precios de venta de los dúplex se distribuyen normalmente.

Cargue el código en RStudio y ejecútelo. No necesitará modificar el código para responder las siguientes preguntas.

#Cada vez que abre una nueva sesión de RStudio, debe ejecutar los siguientes tres comandos.
#Resáltalos y presiona Ejecutar o CTRL+ENTRAR
requerir (mosaico)
requerir (introducción abierta)
requerir (MASA)

#leer en el conjunto de datos de Ames Housing
AmesHousing<-read.csv("http://www.math.usu.edu/cfairbourn/Stat2300/RStudioFiles/data/AmesHousing.csv")
#El conjunto de datos contiene información de la Oficina del Tasador de Ames 
#utilizado en el cálculo de valores tasados para viviendas individuales 
#propiedades vendidas en Ames, IA de 2006 a 2010.

Dúplex<-subconjunto(AmesHousing, AmesHousing$Bldg.Type=="Dúplex")

#Construir un histograma de densidad de la variable
hist(Duplex$SalePrice, main="Duplex", prob=TRUE,
     xlab="Precio de venta", col="azul celeste", xaxt='n')
eje (lado = 1, en = secuencia (0, max (Dúplex $ Precio de venta), 50000))

#Calcular la media y la desviación estándar de la variable
s=sd(Dúplex$PrecioOferta)
m=media(Dúplex$PrecioVenta)

#Agregue la superposición de la curva normal
points(seq(min(Duplex$SalePrice)-1500, max(Duplex$SalePrice)+1500, length.out=500),
       dnorm(seq(min(Duplex$SalePrice)-1500, max(Duplex$SalePrice)+1500, length.out=500),
             m, s), tipo="l", col="azul oscuro", lwd=2)

#Dividir la curva normal en regiones
#Calcular y almacenar los puntos finales de las regiones
puntos finales<-c(-100*s+m,-1.5*s+m,-.75*s+m,m,m+.75*s,m+1.5*s,100*s+m)
#agregue las líneas de punto final al gráfico
abline(v=puntos finales, col="rojo", lwd=3)

#Calcular las probabilidades de la curva normal para cada región
probs<-c(pnorm(-1.5),(pnorm(-.75)-pnorm(-1.5)), pnorm(0)-pnorm(-.75), pnorm(.75)-pnorm(0), pnorm (1.5)-p norma (.75), 1-p norma (1.5))
problemas

#Cuente el número de filas (puntos de datos) en el conjunto de datos
n=nfila(Dúplex)
norte
#Calcular los valores esperados para cada región
exvals<-problemas*n
Exvals

#Cuenta el número de puntos de datos en cada región y guárdalo en una tabla
frecuencias=tabla(corte(Duplex$SalePrice,breaks = puntos finales))
frecuencias

#Utilice el siguiente comando para calcular la estadística de prueba.
#Tendrás que recalcular el valor p usando el df correcto.
tst<-chisq.test(frecuencias,p=probs)
tst$estadística
pval<-pchisq(tst$estadística,3,inferior.cola=FALSO)
pval

Responde las siguientes preguntas:

a.¿Cuántas observaciones hay en el conjunto de datos Dúplex?

b. ¿Cuántas observaciones ESPERAMOS en la región entre la media y 0,75 desviaciones estándar por encima de la media para los precios de venta en el conjunto de datos dúplex? Redondea tu respuesta a un decimal.

c.¿Cuántas observaciones OBSERVAMOS en la región entre la media y 0,75 desviaciones estándar por encima de la media para los precios de venta en el conjunto de datos dúplex?

d. ¿Qué es la estadística de prueba? Redondea tu respuesta a dos cifras decimales.

e.¿Cuál es el valor p? Redondea tu respuesta a cuatro decimales.