CODIGOS R PARA INTERVALOS DE CONFIANZA

Intervalo de confianza para la media, Caso: Varianza conocida, datos originales:

x <- read.delim("clipboard") # Para leer datos de Excel

x<- c() # para leer los datos como vector
library(BSDA)
z.test(x,sigma.x = ,conf.level = 0.95)# esta opción solo proporciona Li , Ls y xbar
xbar = mean (x) # media muestral xbar
sigma= # anotar la desviación estándar muestral
alfa= # anotar la significancia
n=length(x)# tamaño de muestra
ee=sigma/sqrt(n)# error estándar
cc=qnorm(1-alfa/2)# cuantil de confianza
Li=xbar-ee*cc
Ls=xbar+ee*cc
EE= (Ls-Li)/2 # eror de estimación
Xbar = (Ls+Li)/2 # xbar o media muestral

Intervalo de confianza para la media, Caso: Varianza conocida, datos

resumidos:
alfa <- 0.05
n=36 # tamaño de muestra
varianza <- 5 # varianza de la población
media <- 35 # media de la muestra
cuantil <- qnorm(1-alfa/2)
lim_inf <- media - cuantil*sqrt(varianza)/sqrt(n)
lim_sup <- media + cuantil*sqrt(varianza)/sqrt(n)
lim_inf
lim_sup
EE= (lim-sup-lim-inf)/2
Ancho=(lim-sup-lim-inf)
OTRA FORMA:
library(BSDA)
zsum.test(mean.x =,sigma.x = , n.x = , conf.level = 0.95)

Intervalo de confianza para la media, Caso: Varianza desconocida, datos

originales.
x <- read.delim("clipboard") # Para leer datos de Excel
x=c() # para leer los datos como vector
t.test(x,conf.level=0.95)
xbar=mean(x)
s=sd(x)
n=length(x)
alfa=
cc=qt(1-alfa/2,n-1)
ee=s/sqrt(n)
li=xbar-cc*ee
ls=xbar+cc*ee
EE=(ls-li)/2
Intervalo de confianza para la media, Caso: Varianza desconocida, datos
resumidos.
alfa <- 0.05
n=25
varianza <- 300^2 # varianza de la muestra
media <- 2560 # media de la muestra
cuantil <- qt(1-alfa/2, n-1, lower.tail=T)
lim_inf <- media - cuantil*sqrt(varianza)/sqrt(n)
lim_sup <- media + cuantil*sqrt(varianza)/sqrt(n)
lim_inf
lim_sup

OTRA FORMA:
library(BSDA)
tsum.test(mean.x= ,s.x= , n.x= , conf.level = 0.95)

Intervalo de confianza para la proporción, datos resumidos.

alfa <- 0.05
x=1540 # número de eventos
n=2000 # tamaño de la muestra
p <- x/n
ee= sqrt(p*(1-p))/sqrt(n)
cuantil <- qnorm(1-alfa/2)
lim_inf <- p - cuantil*sqrt(p*(1-p))/sqrt(n)
lim_sup <- p + cuantil*sqrt(p*(1-p))/sqrt(n)
lim_inf
lim_sup
EE=(lim-sup-lim-inf)/2

OTRA FORMA
library(DescTools)
BinomCI(x = 1540, n = 2000, conf.level = 0.95,method = "wald")

Intervalo de confianza para la varianza de una población normal, con datos

resumidos.
alfa <- 0.05
varianza = 0.15^2 # varianza de la muestra
n=20 # tamaño de muestra
cuantil1 <- qchisq(alfa/2,n-1)
cuantil2 <- qchisq(1-alfa/2,n-1)
lim_inf <- (n-1)*varianza/cuantil2
lim_sup <- (n-1)*varianza/cuantil1
lim_inf
lim_sup

##### Intervalo de confianza para la varianza con datos originales.

x <- read.delim("clipboard") # Para leer datos de Excel
library(EnvStats)
x=c()a
alfa=
varTest(x,conf.level = 0.95)
n=length(x)
varianza=(sd(x))**2
cc1=qchisq(1-alfa/2,n-1)
cc2=qchisq(alfa/2,n-1)
lim_inf <- (n-1)*varianza/cuantil1
lim_sup <- (n-1)*varianza/cuantil2
lids=sqrt(li)
lsds=sqrt(ls)
#TAMAÑO DE MUESTRA PARA ESTIMAR UNA MEDIA POBLACIONAL
library(samplingbook)
sample.size.mean(e=0.98 ,S=5 ,level = 0.95)
#e: Error
#S: Desviación estándar
#level: Nivel de confianza
sample.size.mean(e= ,S= ,level = 0.95, N= )

#TAMAÑO DE MUESTRA PARA ESTIMAR UNA PROPORCION POBLACIONAL

library(samplingbook)
sample.size.prop(e=0.03,P=0.77,level = 0.95)
#e: Error
#P= proporción
#level: Nivel de confianza
sample.size.prop(e=0.03,P=0.77,level = 0.95,N= )
alfa=0.045
cc=qnorm(1-alfa/2)