Script en R para el análisis del IPC y PIB per cápita ##Declarar los datos## IPC <- c(40.94, 53.39, 60.28, 64.93, 66.36, 68.11, 70.14, 71.96, 79.06, 82.11, 84.9, 88.67, 93.18, 95.41, 99.33, 103.66, 105.29, 105.4, 104.8, 105.54, 104.97, 105.45, 109.51, 111.78, 113.54) PIB_Per_Cápita_Nominal = c(1404.6, 1823.7, 2097.1, 2358, 2633, 2960.7, 3298.4, 3533.7, 4257.9, 4111.5, 4578.9, 5210, 5682.1, 6144.1, 6422.1, 5975.1, 5907.9, 6221, 6293.5, 6199, 5469.8, 6084.7, 6555.5, 6792.7, 6939.3) #Media############### #Para IPC ############### mean(IPC) #Para PBI Per Cápital######## mean(PIB_Per_Cápita_Nominal) #Varianza #Para IPC var(IPC) #Para PBI Per Cápital var(PIB_Per_Cápita_Nominal) #Desviación estándar #Para IPC sd(IPC) #Para PBI Per Cápital sd(PIB_Per_Cápita_Nominal) #Polígono de Frecuencia #Para IPC ##Declarar los datos## IPC <- c(40.94, 53.39, 60.28, 64.93, 66.36, 68.11, 70.14, 71.96, 79.06, 82.11, 84.9, 88.67, 93.18, 95.41, 99.33, 103.66, 105.29, 105.4, 104.8, 105.54, 104.97, 105.45, 109.51, 111.78, 113.54) ##Histograma del IPC ## h<- hist(IPC,col = "lightcyan", main = "Índice de Precios del consumidor (2000-2024)", xlab = "Índice de Precios al Consumidor (IPC)", ylab = "Frecuencia") ##Curva de Poligono de Frecuencias## lines(h$mids, h$counts, type = "o", col = "red", lwd = 2) #Para PBI Per Cápital ##Declarar los datos## PIB_Per_Cápita_Nominal = c(1404.6, 1823.7, 2097.1, 2358, 2633, 2960.7, 3298.4, 3533.7, 4257.9, 4111.5, 4578.9, 5210, 5682.1, 6144.1, 6422.1, 5975.1, 5907.9, 6221, 6293.5, 6199, 5469.8, 6084.7, 6555.5, 6792.7, 6939.3) ##Histograma del IPC ## P<- hist(PIB_Per_Cápita_Nominal ,col = " cyan", main = "PIB Per Cápita en Ecuador (2000-2024)", xlab = "PIB Per Cápita ", ylab = "Frecuencia") ##Curva de Poligono de Frecuencias## lines(P$mids, P$counts, type = "o", col = "red", lwd = 2) #Ojiva de frecuencia #Para IPC ##Declarar los datos## IPC <- c(40.94, 53.39, 60.28, 64.93, 66.36, 68.11, 70.14, 71.96, 79.06, 82.11, 84.9, 88.67, 93.18, 95.41, 99.33, 103.66, 105.29, 105.4, 104.8, 105.54, 104.97, 105.45, 109.51, 111.78, 113.54) ## Histograma en tabla de frecuencias ## h <- hist(IPC, plot = FALSE) ## Frecuencias acumuladas## freq_acum <- cumsum(h$counts) ##Ojiva (Figura) ## plot(h$breaks[-1], freq_acum, type = "o", col = "blue", lwd = 2, main = "Ojiva de Frecuencias - IPC del Ecuador (2000-2024)", xlab = "Índice de Precios al Consumidor (IPC) ", ylab = "Frecuencia Acumulada") #Para PBI Per Cápital ##Declarar los datos## PIB_Per_Cápita_Nominal = c(1404.6, 1823.7, 2097.1, 2358, 2633, 2960.7, 3298.4, 3533.7, 4257.9, 4111.5, 4578.9, 5210, 5682.1, 6144.1, 6422.1, 5975.1, 5907.9, 6221, 6293.5, 6199, 5469.8, 6084.7, 6555.5, 6792.7, 6939.3) ## Histograma en tabla de frecuencias ## P <- hist(PIB_Per_Cápita_Nominal, plot = FALSE) ## Frecuencias acumuladas ## freq_acum <- cumsum(P$counts) ## Ojiva (Figura) ## plot(P$breaks[-1], freq_acum, type = "o", col = "blue", lwd = 2, main = "Ojiva de Frecuencias - PIB Per Cápita del Ecuador (2000-2024)", xlab = "PIB Per Cápita Nominal", ylab = "Frecuencia Acumulada") #Diagrama de Caja y Bigotes #Para IPC ##Declarar los datos## IPC <- c(40.94, 53.39, 60.28, 64.93, 66.36, 68.11, 70.14, 71.96, 79.06, 82.11, 84.9, 88.67, 93.18, 95.41, 99.33, 103.66, 105.29, 105.4, 104.8, 105.54, 104.97, 105.45, 109.51, 111.78, 113.54) # Diagrama de caja para IPC boxplot(IPC, main = "Diagrama de Caja y Bigotes - IPC del Ecuador (2000-2024)", ylab = "Índice de Precios al Consumidor", col = "lightblue", border = "darkblue") #Para PBI Per Cápital ##Declarar los datos## PIB_Per_Cápita_Nominal = c(1404.6, 1823.7, 2097.1, 2358, 2633, 2960.7, 3298.4, 3533.7, 4257.9, 4111.5, 4578.9, 5210, 5682.1, 6144.1, 6422.1, 5975.1, 5907.9, 6221, 6293.5, 6199, 5469.8, 6084.7, 6555.5, 6792.7, 6939.3) ## Diagrama de caja para PIB Per Cápita Nominal ## boxplot(PIB_Per_Cápita_Nominal, main = "Diagrama de Caja y Bigotes - PIB Per Cápita del Ecuador (2000-2024)", ylab = "PIB Per Cápita Nominal", col = "lightgreen", border = "darkgreen") ##FIGURA EXPLORATORIO ##Declarar las variables## IPC = c(40.94, 53.39, 60.28, 64.93, 66.36, 68.11, 70.14, 71.96, 79.06, 82.11, 84.9, 88.67, 93.18, 95.41, 99.33, 103.66, 105.29, 105.4, 104.8, 105.54, 104.97, 105.45, 109.51, 111.78, 113.54) PIB_Per_Cápita_Nominal = c(1404.6, 1823.7, 2097.1, 2358, 2633, 2960.7, 3298.4, 3533.7, 4257.9, 4111.5, 4578.9, 5210, 5682.1, 6144.1, 6422.1, 5975.1, 5907.9, 6221, 6293.5, 6199, 5469.8, 6084.7, 6555.5, 6792.7, 6939.3) ##Grafico exploratorio## plot( PIB_Per_Cápita_Nominal ~ IPC , col= "darkgreen", pch= 19,main="El IPC vs el PIB Per Cápita del Ecuador (2000-2024)", xlab ="Índice de Precios al Consumidor (IPC)", ylab="PIB Per Cápita Nominal ", xlim=c(0,120)) #AJUSTE DEL MODELO DE FORMA GRÁFICA Modelo <- lm(PIB_Per_Cápita_Nominal ~ IPC ) Modelo abline(Modelo, col="coral", lwd=2) summary(Modelo) #Coeficiente de Pearson sqrt(0.9596) #####################str(Modelo) ##ANÁLISIS DE LOS RESIDUOS## ## NORMALIDAD## require(car) qqPlot(Modelo$residuals, pch=20, ylab="Residuos", xlab= "Cuantiles normales", main="QQplot para residuos del modelo") ##de forma analitica p-valor mayor que el alfa se acepta la Ho es normal ## shapiro.test(Modelo$residuals) ## HOMOCEDASTICIDAD E INDEPENDENCIA ## Residuos del modelo## res <- as.vector(Modelo$residuals) res ## Valores ajustados del modelo## Pred <- as.vector(predict(Modelo)) Pred plot(res~Pred, xlab="Valores ajustados", ylab="Residuos",col="darkgreen", cex=1, pch=19) abline(h=0, col="orange", lwd=2) ## INTERVALOS DE CONFIANZA Y PREDICCIÓN # PREDICCIÓN PUNTUAL Modelo <- lm(PIB_Per_Cápita_Nominal ~ IPC ) nuevosDatos <- c(110, 115, 120,125, 130, 135, 140) predict(Modelo, newdata=data.frame(IPC = nuevosDatos)) ##Prediccion de datos## Modelo <- lm(PIB_Per_Cápita_Nominal ~ IPC) nuevosDatos <- c(110, 115, 120,125, 130, 135, 140) predict(Modelo, newdata=data.frame(IPC = nuevosDatos), interval="confidence", level=0.95) predict(Modelo, newdata=data.frame(IPC = nuevosDatos), interval="prediction", level=0.95)