Este documento presenta varios ejercicios realizados con el software SAS. En el Ejercicio 1, se crea una base de datos con la información salarial de 10 empleados que incluye su ID, nombre, sexo y salario. En el Ejercicio 2, se añaden nuevas variables a la base de datos como el salario en pesos y euros y un código salarial. En el Ejercicio 3, se añaden 3 registros más a la base de datos.

1. METODOS COMPUTACIONALES LUIS ENRIQUE LOPEZ VERDUGO
EJERCICIO 1
DATA salario;
INPUT ID 1-2 NOMBRE $ 3-12 SEXO $ 13-19 SALARIO 20-26;
CARDS;
1 Joan Hombre 18000
2 Silvia Mujer 15000
3 Josep Hombre 25000
4 Pere Hombre 17000
5 Anna Mujer 19000
6 David Hombre 30000
7 Cristina Mujer 22000
8 Marta Mujer 10000
9 Magda Mujer 13000
10Carlos Hombre 21000
;
PROC PRINT;
RUN;
Sistema SAS 23:03 Sunday, January 31, 2014 9
Obs ID NOMBRE SEXO SALARIO
1 1 Joan Hombre 18000
2 2 Silvia Mujer 15000
3 3 Josep Hombre 25000
4 4 Pere Hombre 17000
5 5 Anna Mujer 19000
6 6 David Hombre 30000
7 7 Cristina Mujer 22000
8 8 Marta Mujer 10000
9 9 Magda Mujer 13000
10 10 Carlos Hombre 21000
EJERCICIO 2
DATA salario;
INPUT ID 1-2 NOMBRE $ 3-12 SEXO $ 13-19 SALARIO 20-26;
CARDS;
1 Joan Hombre 18000
2 Silvia Mujer 15000
3 Josep Hombre 25000
4 Pere Hombre 17000
5 Anna Mujer 19000
6 David Hombre 30000
7 Cristina Mujer 22000
8 Marta Mujer 10000
9 Magda Mujer 13000
10Carlos Hombre 21000
;
PROC PRINT;
RUN;
DATA EJ2;
SET salario;
salarioPesos=salario*13.2;
salarioEuros=salario/1.3687;
IF salario>= 10000 AND salario< 15000 THEN sal=1;
IF salario>= 16000 AND salario< 19000 THEN sal=2;
IF salario>= 20000 AND salario< 25000 THEN sal=3;
IF salario>= 26000 AND salario<=30000 THEN sal=4;
PROC PRINT;
RUN;
Sistema SAS 23:03 Sunday, January 31, 2014 11

2. METODOS COMPUTACIONALES LUIS ENRIQUE LOPEZ VERDUGO
salario salario
Obs ID NOMBRE SEXO SALARIO Pesos Euros sal
1 1 Joan Hombre 18000 237600 13151.17 2
2 2 Silvia Mujer 15000 198000 10959.30 .
3 3 Josep Hombre 25000 330000 18265.51 .
4 4 Pere Hombre 17000 224400 12420.55 2
5 5 Anna Mujer 19000 250800 13881.79 .
6 6 David Hombre 30000 396000 21918.61 4
7 7 Cristina Mujer 22000 290400 16073.65 3
8 8 Marta Mujer 10000 132000 7306.20 1
9 9 Magda Mujer 13000 171600 9498.06 1
10 10 Carlos Hombre 21000 277200 15343.03 3
EJERCICIO 3
DATA salario;
INPUT ID 1-2 NOMBRE $ 3-12 SEXO $ 13-19 SALARIO 20-26;
CARDS;
1 Joan Hombre 18000
2 Silvia Mujer 15000
3 Josep Hombre 25000
4 Pere Hombre 17000
5 Anna Mujer 19000
6 David Hombre 30000
7 Cristina Mujer 22000
8 Marta Mujer 10000
9 Magda Mujer 13000
10Carlos Hombre 21000
;
RUN;
DATA EJ3;
INPUT ID 1-2 NOMBRE $ 3-12 SEXO $ 13-19 SALARIO 20-26;
CARDS;
11Oriol Hombre 23000
12Ester Mujer 17000
13Rosa Mujer 35000
;
RUN;
PROC APPEND BASE=SALARIO DATA=EJ3 DATA=EJ4;
RUN;
DATA EJ2;
SET salario;
salarioPesos=salario*13.2;
salarioEuros=salario/1.3687;
IF salario>= 10000 AND salario< 15000 THEN sal=1;
IF salario>= 16000 AND salario< 19000 THEN sal=2;
IF salario>= 20000 AND salario< 25000 THEN sal=3;
IF salario>= 26000 AND salario<=30000 THEN sal=4;
PROC PRINT;
RUN;
Sistema SAS 23:03 Sunday, January 31, 2014 12
salario salario
Obs ID NOMBRE SEXO SALARIO Pesos Euros sal
1 1 Joan Hombre 18000 237600 13151.17 2
2 2 Silvia Mujer 15000 198000 10959.30 .
3 3 Josep Hombre 25000 330000 18265.51 .
4 4 Pere Hombre 17000 224400 12420.55 2
5 5 Anna Mujer 19000 250800 13881.79 .
6 6 David Hombre 30000 396000 21918.61 4
7 7 Cristina Mujer 22000 290400 16073.65 3
8 8 Marta Mujer 10000 132000 7306.20 1
9 9 Magda Mujer 13000 171600 9498.06 1
10 10 Carlos Hombre 21000 277200 15343.03 3

3. METODOS COMPUTACIONALES LUIS ENRIQUE LOPEZ VERDUGO
11 11 Oriol Hombre 23000 303600 16804.27 3
12 12 Ester Mujer 17000 224400 12420.55 2
13 13 Rosa Mujer 35000 462000 25571.71 .
EJERCICIO 4
DATA SEGUNDO;
INPUT ID EDAD NIVEST $ TRANSP $ TIEMPO;
CARDS;
1 27 SUPERIOR Bus 15
2 20 TECNICO Metro 20
3 35 TECNICO Coche 55
4 30 SUPERIOR Coche 45
5 25 MEDIO.SUP Moto 30
6 37 MEDIO.SUP Bus 35
7 35 SUPERIOR Bus 15
8 23 MEDIO.SUP Moto 10
9 21 TECNICO Moto 7
10 28 MEDIO.SUP Metro 25
11 29 MEDIO.SUP Coche 50
12 32 TECNICO Metro 35
13 40 SUPERIOR Bus 35
;
PROC PRINT;
RUN;
Sistema SAS 23:03 Sunday, January 31, 2014 13
Obs ID EDAD NIVEST TRANSP TIEMPO
1 1 27 SUPERIOR Bus 15
2 2 20 TECNICO Metro 20
3 3 35 TECNICO Coche 55
4 4 30 SUPERIOR Coche 45
5 5 25 MEDIO.SU Moto 30
6 6 37 MEDIO.SU Bus 35
7 7 35 SUPERIOR Bus 15
8 8 23 MEDIO.SU Moto 10
9 9 21 TECNICO Moto 7
10 10 28 MEDIO.SU Metro 25
11 11 29 MEDIO.SU Coche 50
12 12 32 TECNICO Metro 35
13 13 40 SUPERIOR Bus 35
EJERCICIO 5
DATA salario;
INPUT ID 1-2 NOMBRE $ 3-12 SEXO $ 13-19 SALARIO 20-26;
CARDS;
1 Joan Hombre 18000
2 Silvia Mujer 15000
3 Josep Hombre 25000
4 Pere Hombre 17000
5 Anna Mujer 19000
6 David Hombre 30000
7 Cristina Mujer 22000
8 Marta Mujer 10000
9 Magda Mujer 13000
10Carlos Hombre 21000
;
RUN;
DATA EJ3;
INPUT ID 1-2 NOMBRE $ 3-12 SEXO $ 13-19 SALARIO 20-26;
CARDS;
11Oriol Hombre 23000
12Ester Mujer 17000

4. METODOS COMPUTACIONALES LUIS ENRIQUE LOPEZ VERDUGO
13Rosa Mujer 35000
;
RUN;
PROC APPEND BASE=SALARIO DATA=EJ3 DATA=EJ4;
RUN;
DATA EJ2;
SET salario;
salarioPesos=salario*13.2;
salarioEuros=salario/1.3687;
IF salario>= 10000 AND salario< 15000 THEN sal=1;
IF salario>= 16000 AND salario< 19000 THEN sal=2;
IF salario>= 20000 AND salario< 25000 THEN sal=3;
IF salario>= 26000 AND salario<=30000 THEN sal=4;
RUN;
DATA SEGUNDO;
INPUT ID EDAD NIVEST $ TRANSP $ TIEMPO;
CARDS;
1 27 SUPERIOR Bus 15
2 20 TECNICO Metro 20
3 35 TECNICO Coche 55
4 30 SUPERIOR Coche 45
5 25 MEDIO.SUP Moto 30
6 37 MEDIO.SUP Bus 35
7 35 SUPERIOR Bus 15
8 23 MEDIO.SUP Moto 10
9 21 TECNICO Moto 7
10 28 MEDIO.SUP Metro 25
11 29 MEDIO.SUP Coche 50
12 32 TECNICO Metro 35
13 40 SUPERIOR Bus 35
;
RUN;
DATA UNION;
MERGE salario SEGUNDO EJ2;
BY ID;
PROC PRINT;
RUN;
Sistema SAS 23:25 Sunday, January 31, 2014 5
salario salario
Obs ID NOMBRE SEXO SALARIO EDAD NIVEST TRANSP TIEMPO Pesos Euros sal
1 1 Joan Hombre 18000 27 SUPERIOR Bus 15 237600 13151.17 2
2 2 Silvia Mujer 15000 20 TECNICO Metro 20 198000 10959.30 .
3 3 Josep Hombre 25000 35 TECNICO Coche 55 330000 18265.51 .
4 4 Pere Hombre 17000 30 SUPERIOR Coche 45 224400 12420.55 2
5 5 Anna Mujer 19000 25 MEDIO.SU Moto 30 250800 13881.79 .
6 6 David Hombre 30000 37 MEDIO.SU Bus 35 396000 21918.61 4
7 7 Cristina Mujer 22000 35 SUPERIOR Bus 15 290400 16073.65 3
8 8 Marta Mujer 10000 23 MEDIO.SU Moto 10 132000 7306.20 1
9 9 Magda Mujer 13000 21 TECNICO Moto 7 171600 9498.06 1
10 10 Carlos Hombre 21000 28 MEDIO.SU Metro 25 277200 15343.03 3
11 11 Oriol Hombre 23000 29 MEDIO.SU Coche 50 303600 16804.27 3
12 12 Ester Mujer 17000 32 TECNICO Metro 35 224400 12420.55 2
13 13 Rosa Mujer 35000 40 SUPERIOR Bus 35 462000 25571.71 .
EJERCICIO 6
6.-Agrupar los individuos atendiendo:
a) Nivel de estudio.
DATA TAREA2;
INPUT ID NOMBRE $ 3-12 SEXO $ 13-18 SALARIO 20-26;

5. METODOS COMPUTACIONALES LUIS ENRIQUE LOPEZ VERDUGO
CARDS;
1 JOAN HOMBRE 18000
2 SILVIA MUJER 15000
3 JOSEP HOMBRE 25000
4 PERE HOMBRE 17000
5 ANNA MUJER 19000
6 DAVID HOMBRE 30000
7 CRISTINA MUJER 22000
8 MARTA MUJER 10000
9 MAGDA MUJER 13000
10 CARLOS HOMBRE 21000
11 ORIOL HOMBRE 23000
12 ESTER MUJER 17000
13 ROSA MUJER 35000
;
RUN;
DATA ejsalca;
SET TAREA2;
SALPESO=SALARIO*13.20;
SALEURO=SALARIO*0.732225232;
IF SALARIO >= 10000 AND SALARIO < 15000 THEN SALCATE=1;
IF SALARIO >= 15000 AND SALARIO < 20000 THEN SALCATE=2;
IF SALARIO >= 20000 AND SALARIO < 25000 THEN SALCATE=3;
IF SALARIO >= 25000 AND SALARIO <= 35000 THEN SALCATE=4;
RUN;
* AÑADIMOS 4 VARIABLES;
DATA TRABAJO;
INPUT ID EDAD NIVEST $ 6-15 TRANSP $ 16-21 TIEMPO;
CARDS;
1 27 SUPERIOR BUS 15
2 20 TECNICO METRO 20
3 35 TECNICO COCHE 55
4 30 SUPERIOR COCHE 45
5 25 MEDIO SUP MOTO 30
6 37 MEDIO SUP BUS 35
7 35 SUPERIOR BUS 15
8 23 MEDIO SUP MOTO 10
9 21 TECNICO MOTO 7
10 28 MEDIO SUP METRO 25
11 29 MEDIO SUP COCHE 50
12 32 TECNICO METRO 35
13 40 SUPERIOR BUS 35
;
RUN;
DATA EJER1;
MERGE ejsalca TRABAJO;
RUN;
PROC SORT;
BY NIVEST;
PROC PRINT;
RUN;
TRASPORTE 23:25 Sunday, January 31, 2014 18
salario salario
Obs ID NOMBRE SEXO SALARIO EDAD NIVEST TRANSP TIEMPO Pesos Euros sal
1 5 Anna Mujer 19000 25 MEDIO.SU Moto 30 250800 13881.79 .
2 6 David Hombre 30000 37 MEDIO.SU Bus 35 396000 21918.61 4
3 8 Marta Mujer 10000 23 MEDIO.SU Moto 10 132000 7306.20 1
4 10 Carlos Hombre 21000 28 MEDIO.SU Metro 25 277200 15343.03 3

6. METODOS COMPUTACIONALES LUIS ENRIQUE LOPEZ VERDUGO
5 11 Oriol Hombre 23000 29 MEDIO.SU Coche 50 303600 16804.27 3
6 1 Joan Hombre 18000 27 SUPERIOR Bus 15 237600 13151.17 2
7 4 Pere Hombre 17000 30 SUPERIOR Coche 45 224400 12420.55 2
8 7 Cristina Mujer 22000 35 SUPERIOR Bus 15 290400 16073.65 3
9 13 Rosa Mujer 35000 40 SUPERIOR Bus 35 462000 25571.71 .
10 2 Silvia Mujer 15000 20 TECNICO Metro 20 198000 10959.30 .
11 3 Josep Hombre 25000 35 TECNICO Coche 55 330000 18265.51 .
12 9 Magda Mujer 13000 21 TECNICO Moto 7 171600 9498.06 1
13 12 Ester Mujer 17000 32 TECNICO Metro 35 224400 12420.55 2
b) Transporte.
DATA salario;
INPUT ID 1-2 NOMBRE $ 3-12 SEXO $ 13-19 SALARIO 20-26;
CARDS;
1 Joan Hombre 18000
2 Silvia Mujer 15000
3 Josep Hombre 25000
4 Pere Hombre 17000
5 Anna Mujer 19000
6 David Hombre 30000
7 Cristina Mujer 22000
8 Marta Mujer 10000
9 Magda Mujer 13000
10Carlos Hombre 21000
;
RUN;
DATA EJ3;
INPUT ID 1-2 NOMBRE $ 3-12 SEXO $ 13-19 SALARIO 20-26;
CARDS;
11Oriol Hombre 23000
12Ester Mujer 17000
13Rosa Mujer 35000
;
RUN;
PROC APPEND BASE=SALARIO DATA=EJ3 DATA=EJ4;
RUN;
DATA EJ2;
SET salario;
salarioPesos=salario*13.2;
salarioEuros=salario/1.3687;
IF salario>= 10000 AND salario< 15000 THEN sal=1;
IF salario>= 16000 AND salario< 19000 THEN sal=2;
IF salario>= 20000 AND salario< 25000 THEN sal=3;
IF salario>= 26000 AND salario<=30000 THEN sal=4;
RUN;
DATA SEGUNDO;
INPUT ID EDAD NIVEST $ TRANSP $ TIEMPO;
CARDS;
1 27 SUPERIOR Bus 15
2 20 TECNICO Metro 20
3 35 TECNICO Coche 55
4 30 SUPERIOR Coche 45
5 25 MEDIO.SUP Moto 30
6 37 MEDIO.SUP Bus 35
7 35 SUPERIOR Bus 15
8 23 MEDIO.SUP Moto 10
9 21 TECNICO Moto 7
10 28 MEDIO.SUP Metro 25
11 29 MEDIO.SUP Coche 50
12 32 TECNICO Metro 35
13 40 SUPERIOR Bus 35

7. METODOS COMPUTACIONALES LUIS ENRIQUE LOPEZ VERDUGO
;
RUN;
DATA UNION;
MERGE salario SEGUNDO EJ2;
BY ID;
RUN;
PROC SORT;
BY TRANSP;
PROC PRINT;
RUN;
TRASPORTE 23:25 Sunday, January 31, 2014 19
salario salario
Obs ID NOMBRE SEXO SALARIO EDAD NIVEST TRANSP TIEMPO Pesos Euros sal
1 1 Joan Hombre 18000 27 SUPERIOR Bus 15 237600 13151.17 2
2 6 David Hombre 30000 37 MEDIO.SU Bus 35 396000 21918.61 4
3 7 Cristina Mujer 22000 35 SUPERIOR Bus 15 290400 16073.65 3
4 13 Rosa Mujer 35000 40 SUPERIOR Bus 35 462000 25571.71 .
5 3 Josep Hombre 25000 35 TECNICO Coche 55 330000 18265.51 .
6 4 Pere Hombre 17000 30 SUPERIOR Coche 45 224400 12420.55 2
7 11 Oriol Hombre 23000 29 MEDIO.SU Coche 50 303600 16804.27 3
8 2 Silvia Mujer 15000 20 TECNICO Metro 20 198000 10959.30 .
9 10 Carlos Hombre 21000 28 MEDIO.SU Metro 25 277200 15343.03 3
10 12 Ester Mujer 17000 32 TECNICO Metro 35 224400 12420.55 2
11 5 Anna Mujer 19000 25 MEDIO.SU Moto 30 250800 13881.79 .
12 8 Marta Mujer 10000 23 MEDIO.SU Moto 10 132000 7306.20 1
13 9 Magda Mujer 13000 21 TECNICO Moto 7 171600 9498.06 1
EJERCICIO 7
ATA SEGUNDO;
INPUT ID EDAD NIVEST $ TRANSP $ TIEMPO;
CARDS;
1 27 SUPERIOR Bus 15
2 20 TECNICO Metro 20
3 35 TECNICO Coche 55
4 30 SUPERIOR Coche 45
5 25 MEDIO.SUP Moto 30
6 37 MEDIO.SUP Bus 35
7 35 SUPERIOR Bus 15
8 23 MEDIO.SUP Moto 10
9 21 TECNICO Moto 7
10 28 MEDIO.SUP Metro 25
11 29 MEDIO.SUP Coche 50
12 32 TECNICO Metro 35
13 40 SUPERIOR Bus 35
;
RUN;
DATA EJER1;
MERGE EJ2 SEGUNDO;
BY ID;
PROC PRINT;
RUN;
TITLE "RELACION EDAD DEL TRABAJADOR CON SU NIVEL DE ESTUDIO";
PROC CHART;
VBAR EDAD/GROUP = NIVEST;

8. METODOS COMPUTACIONALES LUIS ENRIQUE LOPEZ VERDUGO
PROC PRINT;
RUN;
EJERCICIO 8
DATA SEGUNDO;
INPUT ID EDAD NIVEST $ TRANSP $ TIEMPO;
CARDS;
1 27 SUPERIOR Bus 15
2 20 TECNICO Metro 20
3 35 TECNICO Coche 55
4 30 SUPERIOR Coche 45
5 25 MEDIO.SUP Moto 30
6 37 MEDIO.SUP Bus 35
7 35 SUPERIOR Bus 15
8 23 MEDIO.SUP Moto 10
9 21 TECNICO Moto 7
10 28 MEDIO.SUP Metro 25
11 29 MEDIO.SUP Coche 50
12 32 TECNICO Metro 35
13 40 SUPERIOR Bus 35
;
RUN;
DATA EJER1;
MERGE EJ2 SEGUNDO;
BY ID;
PROC PRINT;
RUN;
TITLE "RELACION TRASPORTE Y TIEMPO";

9. METODOS COMPUTACIONALES LUIS ENRIQUE LOPEZ VERDUGO
PROC CHART;
HBAR TRANSP/sumvar = TIEMPO;
PROC PRINT;
RUN;
EJERCICIO 9
DATA SEGUNDO;
INPUT ID EDAD NIVEST $ TRANSP $ TIEMPO;
CARDS;
1 27 SUPERIOR Bus 15
2 20 TECNICO Metro 20
3 35 TECNICO Coche 55
4 30 SUPERIOR Coche 45
5 25 MEDIO.SUP Moto 30
6 37 MEDIO.SUP Bus 35
7 35 SUPERIOR Bus 15
8 23 MEDIO.SUP Moto 10
9 21 TECNICO Moto 7
10 28 MEDIO.SUP Metro 25
11 29 MEDIO.SUP Coche 50
12 32 TECNICO Metro 35
13 40 SUPERIOR Bus 35
;
RUN;
DATA EJER1;
MERGE EJ2 SEGUNDO;
BY ID;
PROC PRINT;
RUN;
TITLE "RELACION EDAD DEL TRABAJADOR CON SU NIVEL DE ESTUDIO";
PROC CHART;
VBAR EDAD/GROUP = NIVEST;
PROC PRINT;
RUN;
TITLE "RELACION TRASPORTE Y TIEMPO";
PROC CHART;

10. METODOS COMPUTACIONALES LUIS ENRIQUE LOPEZ VERDUGO
HBAR TRANSP/sumvar = TIEMPO;
PROC PRINT;
RUN;
Graficar la variable “nivel de estudio” utilizando el modificador: group para crear grupos en
atención a la variable “transporte”
Obtenga una gráfica de barras verticales que muestre el tiempo de arribo al trabajo.

11. METODOS COMPUTACIONALES LUIS ENRIQUE LOPEZ VERDUGO
EJERCICIO 10
Calcular las medidas de posición y variabilidad para la variable “salario”.
DATA MEDIDAS;
INPUT ID 1-2 NOMBRE $ 3-12 SEXO $ 13-19 SALARIO 20-26;
CARDS;
1 Joan Hombre 18000
2 Silvia Mujer 15000
3 Josep Hombre 25000
4 Pere Hombre 17000
5 Anna Mujer 19000
6 David Hombre 30000
7 Cristina Mujer 22000
8 Marta Mujer 10000
9 Magda Mujer 13000
10Carlos Hombre 21000
11Oriol Hombre 23000
12Ester Mujer 17000
13Rosa Mujer 35000
;
PROC UNIVARIATE;
VAR SALARIO;
PROC PRINT;
RUN;
RELACION TRASPORTE Y TIEMPO
31
23:25 Sunday, January 31,
2014
Procedimiento UNIVARIATE
Variable: SALARIO
Momentos
N 13 Pesos de la suma
13
Media 20384.6154 Observaciones de la suma
265000

12. METODOS COMPUTACIONALES LUIS ENRIQUE LOPEZ VERDUGO
Desviación típica 6825.668 Varianza
46589743.6
Asimetría 0.73062322 Curtosis
0.5463154
Suma de cuadrados no corregidos 5961000000 Suma de cuadrados corregidos
559076923
Coeficiente de variación 33.484409 Media de error estándar
1893.09969
Medidas estadísticas básicas
Localización Variabilidad
Media 20384.62 Desviación típica 6826
Mediana 19000.00 Varianza 46589744
Moda 17000.00 Rango 25000
Rango intercuantil 6000
Tests para posición: Mu0=0
Test -Estadístico- -----P-valor------
T de Student t 10.76785 Pr > |t| <.0001
Signo M 6.5 Pr >= |M| 0.0002
Puntuación con signo S 45.5 Pr >= |S| 0.0002
Cuantiles (Definición 5)
Cuantil Estimador
100% Máx 35000
99% 35000
95% 35000
90% 30000
75% Q3 23000
50% Mediana 19000
25% Q1 17000
10% 13000
5% 10000
1% 10000
0% Mín 10000
RELACION TRASPORTE Y TIEMPO 32
23:25 Sunday, January 31,
2014
Procedimiento UNIVARIATE
Variable: SALARIO
Observaciones extremas
------Inferior------ ------Superior------
Valor Observación Valor Observación
10000 8 22000 7
13000 9 23000 11
15000 2 25000 3
17000 12 30000 6
17000 4 35000 13
RELACION TRASPORTE Y TIEMPO 33
23:25 Sunday, January 31,
2014
Obs ID NOMBRE SEXO SALARIO
1 1 Joan Hombre 18000
2 2 Silvia Mujer 15000
3 3 Josep Hombre 25000
4 4 Pere Hombre 17000
5 5 Anna Mujer 19000
6 6 David Hombre 30000
7 7 Cristina Mujer 22000

13. METODOS COMPUTACIONALES LUIS ENRIQUE LOPEZ VERDUGO
8 8 Marta Mujer 10000
9 9 Magda Mujer 13000
10 10 Carlos Hombre 21000
11 11 Oriol Hombre 23000
12 12 Ester Mujer 17000
13 13 Rosa Mujer 35000
EJERCICIO 11
DATA MEDIDASPYV;
INPUT ID 1-2 NOMBRE $ 3-12 SEXO $ 13-18 SALARIO 20-26;
CARDS;
1 JOAN HOMBRE 18000
2 SILVIA MUJER 15000
3 JOSEP HOMBRE 25000
4 PERE HOMBRE 17000
5 ANNA MUJER 19000
6 DAVID HOMBRE 30000
7 CRISTINA MUJER 22000
8 MARTA MUJER 10000
9 MAGDA MUJER 13000
10 CARLOS HOMBRE 21000
;
PROC TTEST;
CLASS SEXO;
VAR SALARIO;
RUN;
RELACION TRASPORTE Y TIEMPO
34
23:25 Sunday, January 31, 2014
The TTEST Procedure
Statistics
Lower CL Upper CL Lower CL Upper CL
Variable SEXO N Mean Media Mean Std Dev Std Dev Std Dev Std Err
SALARIO HOMBRE 5 15548 22200 28852 3209.7 5357.2 15394 2395.8
SALARIO MUJER 5 9884.2 15800 21716 2854.5 4764.5 13691 2130.7
SALARIO Diff (1-2) -993.6 6400 13794 3424.2 5069.5 9712 3206.2
T-Tests
Variable Método Variances DF Valor t Pr > |t|
SALARIO Pooled Equal 8 2.00 0.0810
SALARIO Satterthwaite Unequal 7.89 2.00 0.0815
Equality of Variances
Variable Método Num DF Den DF F-Valor Pr > F
SALARIO Folded F 4 4 1.26 0.8257
EJERCICIO 12
DATA MEDIDAS;
INPUT ID 1-2 NOMBRE $ 3-12 SEXO $ 13-19 SALARIO 20-26;
CARDS;
1 Joan Hombre 18000
2 Silvia Mujer 15000
3 Josep Hombre 25000

14. METODOS COMPUTACIONALES LUIS ENRIQUE LOPEZ VERDUGO
4 Pere Hombre 17000
5 Anna Mujer 19000
6 David Hombre 30000
7 Cristina Mujer 22000
8 Marta Mujer 10000
9 Magda Mujer 13000
10Carlos Hombre 21000
11Oriol Hombre 23000
12Ester Mujer 17000
13Rosa Mujer 35000
;
PROC TTEST;
CLASS SEXO;
PROC PRINT;
RUN;
TITLE "RELACION sexo- salario";
PROC CHART;
VBAR sexo/sumvar = salario;
PROC PRINT;
RUN;
EJERCICIO 13
DATA salario;
INPUT ID 1-2 NOMBRE $ 3-12 SEXO $ 13-19 SALARIO 20-26;
CARDS;
1 Joan Hombre 18000
2 Silvia Mujer 15000
3 Josep Hombre 25000
4 Pere Hombre 17000
5 Anna Mujer 19000
6 David Hombre 30000

15. METODOS COMPUTACIONALES LUIS ENRIQUE LOPEZ VERDUGO
7 Cristina Mujer 22000
8 Marta Mujer 10000
9 Magda Mujer 13000
10Carlos Hombre 21000
;
DATA EJ3;
INPUT ID 1-2 NOMBRE $ 3-12 SEXO $ 13-19 SALARIO 20-26;
CARDS;
11Oriol Hombre 23000
12Ester Mujer 17000
13Rosa Mujer 35000
;
RUN;
PROC APPEND BASE=EJ2 DATA=EJ4;
DATA SEGUNDO;
INPUT ID EDAD NIVEST $ TRANSP $ TIEMPO;
CARDS;
1 27 SUPERIOR Bus 15
2 20 TECNICO Metro 20
3 35 TECNICO Coche 55
4 30 SUPERIOR Coche 45
5 25 MEDIO.SUP Moto 30
6 37 MEDIO.SUP Bus 35
7 35 SUPERIOR Bus 15
8 23 MEDIO.SUP Moto 10
9 21 TECNICO Moto 7
10 28 MEDIO.SUP Metro 25
11 29 MEDIO.SUP Coche 50
12 32 TECNICO Metro 35
13 40 SUPERIOR Bus 35
;
RUN;
DATA EJER1;
MERGE EJ2 SEGUNDO;
BY ID;
DATA MEDIDAS;
INPUT ID 1-2 NOMBRE $ 3-12 SEXO $ 13-19 SALARIO 20-26;
CARDS;
1 Joan Hombre 18000
2 Silvia Mujer 15000
3 Josep Hombre 25000
4 Pere Hombre 17000
5 Anna Mujer 19000
6 David Hombre 30000
7 Cristina Mujer 22000
8 Marta Mujer 10000
9 Magda Mujer 13000
10Carlos Hombre 21000
11Oriol Hombre 23000
12Ester Mujer 17000
13Rosa Mujer 35000
;
DATA EJER1;
MERGE SEGUNDO MEDIDAS;
BY ID;
TITLE"GRAFICA DE DISPERSION RELACION SALARIO-EDAD";
PROC PLOT;
PLOT salario * edad = "*";
PROC PRINT;
RUN;

16. METODOS COMPUTACIONALES LUIS ENRIQUE LOPEZ VERDUGO
EJERCICIO 14
DATA salario;
INPUT ID 1-2 NOMBRE $ 3-12 SEXO $ 13-19 SALARIO 20-26;
CARDS;
1 Joan Hombre 18000
2 Silvia Mujer 15000
3 Josep Hombre 25000
4 Pere Hombre 17000
5 Anna Mujer 19000
6 David Hombre 30000
7 Cristina Mujer 22000
8 Marta Mujer 10000
9 Magda Mujer 13000
10Carlos Hombre 21000
;
RUN;

17. METODOS COMPUTACIONALES LUIS ENRIQUE LOPEZ VERDUGO
DATA EJ3;
INPUT ID 1-2 NOMBRE $ 3-12 SEXO $ 13-19 SALARIO 20-26;
CARDS;
11Oriol Hombre 23000
12Ester Mujer 17000
13Rosa Mujer 35000
;
RUN;
PROC APPEND BASE=EJ2 DATA=EJ4;
RUN;
DATA SEGUNDO;
INPUT ID EDAD NIVEST $ TRANSP $ TIEMPO;
CARDS;
1 27 SUPERIOR Bus 15
2 20 TECNICO Metro 20
3 35 TECNICO Coche 55
4 30 SUPERIOR Coche 45
5 25 MEDIO.SUP Moto 30
6 37 MEDIO.SUP Bus 35
7 35 SUPERIOR Bus 15
8 23 MEDIO.SUP Moto 10
9 21 TECNICO Moto 7
10 28 MEDIO.SUP Metro 25
11 29 MEDIO.SUP Coche 50
12 32 TECNICO Metro 35
13 40 SUPERIOR Bus 35
;
RUN;
DATA EJER1;
MERGE EJ2 SEGUNDO;
BY ID;
DATA MEDIDAS;
INPUT ID 1-2 NOMBRE $ 3-12 SEXO $ 13-19 SALARIO 20-26;
CARDS;
1 Joan Hombre 18000
2 Silvia Mujer 15000
3 Josep Hombre 25000
4 Pere Hombre 17000
5 Anna Mujer 19000
6 David Hombre 30000
7 Cristina Mujer 22000
8 Marta Mujer 10000
9 Magda Mujer 13000
10Carlos Hombre 21000
11Oriol Hombre 23000
12Ester Mujer 17000
13Rosa Mujer 35000
;
DATA EJER1;
MERGE SEGUNDO MEDIDAS;
BY ID;
TITLE"RELACION SALARIO-EDAD / TIEMPO-SALARIO";
proc gplot;
plot salario*edad=1 TIEMPO*SALARIO=2/OVERLAY;
symbol1 I=JOIN V=STAR;
SYMBOL2 I=JOIN V=DIAMOND;
PROC PRINT;
RUN;

18. METODOS COMPUTACIONALES LUIS ENRIQUE LOPEZ VERDUGO