Estimacion de la media de una variable aleatoria con distribucion normal
icm.RdPermite obtener el intervalo de confianza a partir de una variable o bien de las medidas resumidas. Texto intencionadamente sin tildes u otros caracteres especiales por la incompatibilidad de los mapas de caracteres.
Usage
icm(
x = 0,
n = 0,
m = 0,
s = 0,
conf = 0.95,
alfa = 0.05,
decs = 3,
d = 0,
vac = TRUE,
eco = TRUE
)Arguments
- x
vector de datos cuya media se va a estimar
- n
valor entero: tamano muestral cuando se indican los datos resumidos
- m
valor real: media de la variable (previamente calculada)
- s
valor real: desviacion tipica de la variable (previamente calculada)
- conf
valor < 1: nivel de confianza (parametro alternativo al error alfa, en tanto por uno). Por defecto =.95.
- alfa
valor < 1: error alfa (parametro alternativo al nivel de confianza, en tanto por uno). Por defecto =.05.
- decs
valor entero: precision decimal para la salida de resultados. Por defecto = 4.
- d
valor real < 1: precision deseada para el intervalo de confianza. Si d>0 se invoca a la funcion nm() para estimar el tamano de muestra
- vac
valor logico: TRUE=se trata de una variable aleatoria continua; FALSE= la variable es discreta y se aplica cpc. Por defecto = TRUE.
- eco
valor logico: si eco=TRUE la funcion genera un informe (no devuelve valores), si eco=FALSE devuelve los limites del IC y su precision
Value
Informe (si eco=T) con el intervalo de confianza para estimar la media poblacional de una variable aleatoria normal. Limites inferior y superior del IC y su precision.
Examples
icm(x=c(25.4, 14.6, 23.1, 26.0, 14.4, 24.3, 36.1, 21.0, NA, 41.9))
#>
#> Intervalo de confianza bilateral para la media de una VA normal
#> ----------------------------------------------------------------
#> Información muestral:
#> Declarados 10 casos. Hay 1 valor faltante
#> Tamaño muestral: n = 9
#> Media: m = 25.200
#> Desviación típica: s = 9.016
#> Error estándar de la media: sem = 3.005
#>
#> Estimación:
#> 95%-IC(µ): (18.27, 32.13)
#> Precisión obtenida: 6.93
#>
icm(x=c(25,14,23,26,14,24,36,21,NA,41), vac=FALSE)
#>
#> Intervalo de confianza bilateral para la media de una VA normal
#> ----------------------------------------------------------------
#> Información muestral:
#> Declarados 10 casos. Hay 1 valor faltante
#> Tamaño muestral: n = 9
#> Media: m = 24.889
#> Desviación típica: s = 8.950
#> Error estándar de la media: sem = 2.983
#>
#> Estimación:
#> Se aplica cpc = ±1/(2n) = 0.056 para variable discreta
#> 95%-IC(µ): (17.953, 31.824)
#> Precisión obtenida: 6.936
#>
icm(n=100, m=25.3, s=4.1)
#>
#> Intervalo de confianza bilateral para la media de una VA normal
#> ----------------------------------------------------------------
#> Información muestral:
#> Tamaño muestral: n = 100
#> Media: m = 25.300
#> Desviación típica: s = 4.100
#> Error estándar de la media: sem = 0.410
#>
#> Estimación:
#> 95%-IC(µ): (24.486, 26.114)
#> Precisión obtenida: 0.814
#>
icm(n=100, m=25.3, s=4.1, conf=0.99)
#>
#> Intervalo de confianza bilateral para la media de una VA normal
#> ----------------------------------------------------------------
#> Información muestral:
#> Tamaño muestral: n = 100
#> Media: m = 25.300
#> Desviación típica: s = 4.100
#> Error estándar de la media: sem = 0.410
#>
#> Estimación:
#> 99%-IC(µ): (24.223, 26.377)
#> Precisión obtenida: 1.077
#>
icm(n=100, m=25.3, s=4.1, alfa=0.01)
#>
#> Intervalo de confianza bilateral para la media de una VA normal
#> ----------------------------------------------------------------
#> Información muestral:
#> Tamaño muestral: n = 100
#> Media: m = 25.300
#> Desviación típica: s = 4.100
#> Error estándar de la media: sem = 0.410
#>
#> Estimación:
#> 99%-IC(µ): (24.223, 26.377)
#> Precisión obtenida: 1.077
#>
icm(n=100, m=25.3, s=4.1, alfa=.01, eco=FALSE)->IC
IC
#> [[1]]
#> [1] 24.22317
#>
#> [[2]]
#> [1] 26.37683
#>
#> [[3]]
#> [1] 1.076826
#>