Para la siguiente base de datos:

clientes
Sexo
Cupo
deuda
$MM
mensual
Gastos
vestuario
$MM anual
Gastos
electrodomsticos
$MM anual
Gastos
Decoracin
$MM
anual
Astudillo R. F 2 1 2 1
Aranguiz M. F 3 2 2 2
Araneda O. F 4 1 1 3
Angulo C. H 3 2 2 2
Aranibar T. F 2 1 1 1
Bermudez O. F 3 2 1 2
Astorga B. F 4 1 2 1
Asenjo E. H 4 2 2 2
Amunategui E. H 3 2 1 3
Altamirano R. F 3 2 1 3
Gonzalez R. H 4 1 2 2
Segovia P. H 5 2 3 2
Manriquez H. F 4 1 2 1
Gmez A. H 2 1 1 2
Madariaga R. H 3 2 2 1
Caro B. F 1 1 2 2


1.- Base de datos:


VARIABLES

CTS= Clientes
S= Sexo
CDM= Cupo deuda $MM mensual
GVA= Gastos vestuario $MM anual
GEA= Gastos electrodomsticos $MM anual
GDA= Gastos Decoracin $MM anual

1.1.- solo para clientes con apellidos que comiencen con A


1.2.- solo para clientes de sexo femenino (F)


1.3.- omitiendo sexo






1.4.- para clientes con cupo mensual de deuda superior a $1.000.000

2.- Vector de medias

y Matriz de varianzas covarianzas , para el vector

aleatorio de componentes: cupo deuda y gastos en los tres aspectos mencionados.



3.- T
2
= n( (

))

( (

))


4.1.-
()
+

(
()

()
)

4.2.-

4.3.- =
()
+

(
()

()
)

4.4.- (
()
, )

4.5.- (
()
, )

Paralas sgtes particiones de dimensin 2 de X =(

) =
|
|
.
|

\
|
) 2 (
) 1 (
X
X
,

=
|
|
.
|

\
|
) 2 (
) 1 (

, S=
(

E E
E E
22 21
12 11

Script
getwd()
read.table("C:/Users/Edu/Desktop/multi/coman.txt",header=T,sep="\t",dec=".")
names(base1)<-c('CTS','S','CDM','GVA','GEA','GDA')
base1
base1<-read.table("C:/Users/Edu/Desktop/multi/coman.txt",header=T,sep="\t",dec=".")
#1.1
base.a<-base1[1:10,1:6]
base.a
#1.2
base.b<-subset(base1,base1$S=='F')
base.b
#1.3
base.c<-base1[,-2]
base.c
#1.4
base.d<-subset(base1,base1$CDM>1)
base.d #2.
bas<-base1[1:16,3:6]
m<-mean(bas)
m
s<-cov(bas)
s
#3.
x<-c(2,1,0,1)
t<-16*t(m-x)%*%solve(s)%*%(m-x)
t
#4.1
m[1:2]+s[1:2,3:4]%*%solve(s[3:4,3:4])%*%(x[3:4]-m[3:4])
#4.2
s[1:2,1:2]-s[1:2,3:4]%*%solve(s[3:4,3:4])%*%s[1:2,3:4]
#4.3
y<-x[1:2]+s[1:2,3:4]%*%solve(s[3:4,3:4])%*%(x[3:4]-m[3:4])
y
#4.4
cov(x[1:2],y)
#4.5
cov(x[3:4],y)