
Teoría

Gasolina 1

Gasolina 2

Probabilidad de Girasoles

Porcentaje
1-pnorm = 0.001349898
1-pnorm(39,25.5,4.5)
## [1] 0.001349898
x
qnorm = 32.90184
qnorm(0.95,25.5,4.5)
## [1] 32.90184
Probabilidad de que una planta de
girasol tenga un diámetro de base de más de 40 mm
dgirasol = .0478
dgirasol <- 1-pnorm(40,35,3)
Probabilidad de que ambas plantas
tengan un diámetro de base de más de 40 mm
dmas40 = .23%
dmas40 <- dgirasol * dgirasol
¿Dentro de qué límites esperaría usted
que se encuentren los diámetros de base, con probabilidad de .95?
lower_limit = 29.12
upper_limit = 40.87
z_lower <- qnorm(0.025) # Valor z correspondiente al percentil 02.5
z_upper <- qnorm(0.975) # Valor z correspondiente al percentil 97.5
lower_limit <- 35 + 3 * z_lower # Media - 3 * desviación estándar
upper_limit <- 35 + 3 * z_upper # Media + 3 * desviación estándar
¿Qué diámetro representa el 90avo
percentil de la distribución de diámetros?
percentile_90 = 38.84
percentile_90 <- qnorm(0.9, 35, 3)
x <- 40
promedio <- 35
desviacion_estandar <- 3
Función de Densidad de probabilidad
(Normal)
x_densidad <- seq(promedio-3*desviacion_estandar,promedio+3*desviacion_estandar,length=1000)
y_densidad <- dnorm(x_densidad,promedio,desviacion_estandar)
plot( x_densidad, y_densidad, type="l",lty=1, xlab="x",ylab="f(x)",main="Función de Densidad de probabilidad (Normal)",col="coral3")

Funcion de Distribución de
Probabilidad (Normal)
x_distribucion <- seq(promedio-3*desviacion_estandar,promedio+3*desviacion_estandar,length=1000)
y_distribucion <- pnorm(x_densidad,promedio,desviacion_estandar)
plot(x_distribucion, y_distribucion, type="l", lty=1, xlab="x", ylab="f(x)", main="Funcion de Distribución de Probabilidad (Normal)", col="coral3")

LS0tCnRpdGxlOiA8c3BhbiBzdHlsZSA9ImNvbG9yOiNGRjcyNTYiPiAiQWN0aXZpZGFkIDMtMiBEaXNlw7FhbmRvIHVuIGVzY2VuYXJpbyB2aWFibGUgcGFyYSBsYSBlbXByZXNhIgphdXRob3I6IDxzcGFuIHN0eWxlID0iY29sb3I6YmxhY2siPiAiUm9nZWlybyBEYW5pZWwgUmFtw61yZXogR2FyemEiCmRhdGU6IDxzcGFuIHN0eWxlID0iY29sb3I6Z3JleSI+ICIyMDIzLTA4LTI4IgpvdXRwdXQ6IAogIGh0bWxfZG9jdW1lbnQ6CiAgICB0b2M6IFRSVUUKICAgIHRvY19mbG9hdDogVFJVRQogICAgY29kZV9kb3dubG9hZDogVFJVRQogICAgdGhlbWU6ICJjZXJ1bGVhbiIKLS0tCiFbXSgvVXNlcnMvZGFucndhci9EZXNrdG9wL1JzdHVkaW8gd29ya3MvZXRhcGEgMS9naXBoeSAoMykuZ2lmKQoKIyA8c3BhbiBzdHlsZSA9ImNvbG9yOiNGRjcyNTYiPlRlb3LDrWEKCiFbXSgvVXNlcnMvZGFucndhci9EZXNrdG9wL1JzdHVkaW8gd29ya3MvZXRhcGEgMS9URU8xLmpwZWcpCgojIDxzcGFuIHN0eWxlID0iY29sb3I6I0ZGNzI1NiI+R2Fzb2xpbmEgMQoKIVtdKC9Vc2Vycy9kYW5yd2FyL0Rlc2t0b3AvUnN0dWRpbyB3b3Jrcy9ldGFwYSAxL0dBUzEuanBlZykKCiMgPHNwYW4gc3R5bGUgPSJjb2xvcjojRkY3MjU2Ij5HYXNvbGluYSAyCgohW10oL1VzZXJzL2RhbnJ3YXIvRGVza3RvcC9Sc3R1ZGlvIHdvcmtzL2V0YXBhIDEvR0FTMi5qcGVnKQoKIyA8c3BhbiBzdHlsZSA9ImNvbG9yOiNGRjcyNTYiPlByb2JhYmlsaWRhZCBkZSBHaXJhc29sZXMKCiFbXSgvVXNlcnMvZGFucndhci9Eb3dubG9hZHMvVHlsZXIsX3RoZV9DcmVhdG9yXy1fRmxvd2VyX0JveS5wbmcpCgojIDxzcGFuIHN0eWxlID0iY29sb3I6I0ZGNzI1NiI+IFBvcmNlbnRhamUKIyMgPHNwYW4gc3R5bGUgPSJjb2xvcjpncmV5Ij4gMS1wbm9ybSA9IDAuMDAxMzQ5ODk4CmBgYHtyfQoxLXBub3JtKDM5LDI1LjUsNC41KQpgYGAKIyA8c3BhbiBzdHlsZSA9ImNvbG9yOiNGRjcyNTYiPiB4CiMjIDxzcGFuIHN0eWxlID0iY29sb3I6Z3JleSI+IHFub3JtID0gMzIuOTAxODQKYGBge3J9CnFub3JtKDAuOTUsMjUuNSw0LjUpCmBgYAojIDxzcGFuIHN0eWxlID0iY29sb3I6I0ZGNzI1NiI+IFByb2JhYmlsaWRhZCBkZSBxdWUgdW5hIHBsYW50YSBkZSBnaXJhc29sIHRlbmdhIHVuIGRpw6FtZXRybyBkZSBiYXNlIGRlIG3DoXMgZGUgNDAgbW0KIyMgPHNwYW4gc3R5bGUgPSJjb2xvcjpncmV5Ij4gZGdpcmFzb2wgPSAuMDQ3OApgYGB7cn0KZGdpcmFzb2wgPC0gMS1wbm9ybSg0MCwzNSwzKQpgYGAKIyA8c3BhbiBzdHlsZSA9ImNvbG9yOiNGRjcyNTYiPiBQcm9iYWJpbGlkYWQgZGUgcXVlIGFtYmFzIHBsYW50YXMgdGVuZ2FuIHVuIGRpw6FtZXRybyBkZSBiYXNlIGRlIG3DoXMgZGUgNDAgbW0KIyMgPHNwYW4gc3R5bGUgPSJjb2xvcjpncmV5Ij4gZG1hczQwID0gLjIzJQpgYGB7cn0KZG1hczQwIDwtIGRnaXJhc29sICogZGdpcmFzb2wKYGBgCiMgPHNwYW4gc3R5bGUgPSJjb2xvcjojRkY3MjU2Ij4gwr9EZW50cm8gZGUgcXXDqSBsw61taXRlcyBlc3BlcmFyw61hIHVzdGVkIHF1ZSBzZSBlbmN1ZW50cmVuIGxvcyBkacOhbWV0cm9zIGRlIGJhc2UsIGNvbiBwcm9iYWJpbGlkYWQgZGUgLjk1PwojIyA8c3BhbiBzdHlsZSA9ImNvbG9yOmdyZXkiPiBsb3dlcl9saW1pdCA9IDI5LjEyCiMjIDxzcGFuIHN0eWxlID0iY29sb3I6Z3JleSI+IHVwcGVyX2xpbWl0ID0gNDAuODcKYGBge3J9CnpfbG93ZXIgPC0gcW5vcm0oMC4wMjUpICMgVmFsb3IgeiBjb3JyZXNwb25kaWVudGUgYWwgcGVyY2VudGlsIDAyLjUKel91cHBlciA8LSBxbm9ybSgwLjk3NSkgIyBWYWxvciB6IGNvcnJlc3BvbmRpZW50ZSBhbCBwZXJjZW50aWwgOTcuNQoKbG93ZXJfbGltaXQgPC0gMzUgKyAzICogel9sb3dlciAjIE1lZGlhIC0gMyAqIGRlc3ZpYWNpw7NuIGVzdMOhbmRhcgp1cHBlcl9saW1pdCA8LSAzNSArIDMgKiB6X3VwcGVyICMgTWVkaWEgKyAzICogZGVzdmlhY2nDs24gZXN0w6FuZGFyCmBgYAojIDxzcGFuIHN0eWxlID0iY29sb3I6I0ZGNzI1NiI+IMK/UXXDqSBkacOhbWV0cm8gcmVwcmVzZW50YSBlbCA5MGF2byBwZXJjZW50aWwgZGUgbGEgZGlzdHJpYnVjacOzbiBkZSBkacOhbWV0cm9zPyAKIyMgPHNwYW4gc3R5bGUgPSJjb2xvcjpncmV5Ij4gcGVyY2VudGlsZV85MCA9IDM4Ljg0CmBgYHtyfQpwZXJjZW50aWxlXzkwIDwtIHFub3JtKDAuOSwgMzUsIDMpCmBgYAoKYGBge3J9CnggPC0gNDAKcHJvbWVkaW8gPC0gMzUKZGVzdmlhY2lvbl9lc3RhbmRhciA8LSAzCmBgYAoKIyA8c3BhbiBzdHlsZSA9ImNvbG9yOiNGRjcyNTYiPiBGdW5jacOzbiBkZSBEZW5zaWRhZCBkZSBwcm9iYWJpbGlkYWQgKE5vcm1hbCkKYGBge3J9CnhfZGVuc2lkYWQgPC0gc2VxKHByb21lZGlvLTMqZGVzdmlhY2lvbl9lc3RhbmRhcixwcm9tZWRpbyszKmRlc3ZpYWNpb25fZXN0YW5kYXIsbGVuZ3RoPTEwMDApCnlfZGVuc2lkYWQgPC0gZG5vcm0oeF9kZW5zaWRhZCxwcm9tZWRpbyxkZXN2aWFjaW9uX2VzdGFuZGFyKQpwbG90KCB4X2RlbnNpZGFkLCB5X2RlbnNpZGFkLCB0eXBlPSJsIixsdHk9MSwgeGxhYj0ieCIseWxhYj0iZih4KSIsbWFpbj0iRnVuY2nDs24gZGUgRGVuc2lkYWQgZGUgcHJvYmFiaWxpZGFkIChOb3JtYWwpIixjb2w9ImNvcmFsMyIpCmBgYAoKIyA8c3BhbiBzdHlsZSA9ImNvbG9yOiNGRjcyNTYiPiBGdW5jaW9uIGRlIERpc3RyaWJ1Y2nDs24gZGUgUHJvYmFiaWxpZGFkIChOb3JtYWwpCmBgYHtyfQp4X2Rpc3RyaWJ1Y2lvbiA8LSBzZXEocHJvbWVkaW8tMypkZXN2aWFjaW9uX2VzdGFuZGFyLHByb21lZGlvKzMqZGVzdmlhY2lvbl9lc3RhbmRhcixsZW5ndGg9MTAwMCkKeV9kaXN0cmlidWNpb24gPC0gcG5vcm0oeF9kZW5zaWRhZCxwcm9tZWRpbyxkZXN2aWFjaW9uX2VzdGFuZGFyKQpwbG90KHhfZGlzdHJpYnVjaW9uLCB5X2Rpc3RyaWJ1Y2lvbiwgdHlwZT0ibCIsIGx0eT0xLCB4bGFiPSJ4IiwgeWxhYj0iZih4KSIsIG1haW49IkZ1bmNpb24gZGUgRGlzdHJpYnVjacOzbiBkZSBQcm9iYWJpbGlkYWQgKE5vcm1hbCkiLCBjb2w9ImNvcmFsMyIpCmBgYAoKCg==