En mi camino a entender R

Teoria

Ejercicio 3

Ejercicio 4

#Ejercicio 4.A
#Probabilidad de que una planta de girasol tenga un diametro base de mas de 40mm
Prob <- 1 - pnorm(40, 35, 3.00)
x <- 40
Promedio <- 35
Desviacion_estandar <- 3
#La probabilidad de que una planta girasol tenga un diametro base de mas de 40mm es de 4.7%
# Funcion 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="Funcion de Densidad de Probabilidad (Normal)", col="blue")

# Funcion de Distribucion de Probabilidad (Normal)
x_distribucion <- seq(Promedio-3*Desviacion_estandar,Promedio+3*Desviacion_estandar,length=1000)
y_distribucion <- pnorm(x_distribucion, Promedio, Desviacion_estandar)
plot(x_distribucion, y_distribucion, type="l", lty=1, xlab="x", ylab="f(x)", main="Funcion de Densidad de Probabilidad (Normal)", col="red")

Ejercicio 4 B, C y D

#Ejercicio 4.B
#Probabilidad de que 2 plantas de girasol tengan un diametro de base de mas de 40mm
Prob * Prob
## [1] 0.002283918
#La probabilidad de que dos plantas girasol tengan un diametro de base de mas de 40mm es de .23%



#Ejercicio 4.C
#Limites en los que se encuentran los diametros de base con probabilidad de 0.95
p43_li <- qnorm(0.025,35,3)
p43_ls <- qnorm(0.975, 35, 3)
#Los limites son de 29.13 a 40.88



#Ejercicio 4.D
#Que diametro representa el 90avo percentil de la distribucion de diametros
p4 <- qnorm(0.90, 35,3)
#El 90va percentil esta en un diametro de 38.8mm

App Nombre

Shiny applications not supported in static R Markdown documents

App Distribuciones

Shiny applications not supported in static R Markdown documents

Ejercicio 6

peso_diamantes <- c(.46,.61,.52,.48,.57,.54)
promedio <- mean(peso_diamantes)
desviacion_estandar_muestral <- sqrt(var(peso_diamantes))
n<- 6
miu_o <-0.5
t<- (promedio-miu_o)/(desviacion_estandar_muestral/sqrt(n))
#No se rechaza la hipotesis. Los datos no presentan suficiente evidencia para indicar que el peso medio de los diamantes  excede los 0.5 quilates.

#Funcion de Densidad de probabilidad (t de Student)
x_densidad <- seq(-4, 4,length=1000)
y_densidad <- dt(x_densidad, df=5)
plot(x_densidad, y_densidad, type="l", lty=1, xlab="t", ylab="f(t)", main= "Funcion de densidad y probabilidad tde Student")                 

# Funcion de distribucion de probabilidad (t de student)
x_distribucion <- seq(-4, 4,length=1000)
y_distribucion <- pt(x_distribucion, df=5)
plot(x_distribucion, y_distribucion, type="l", lty=1, xlab="t", ylab="f(t)", main= "Funcion de distribucion y probabilidad tde Student")

#Ejercicio 6.1
oxigeno <- c(4.9,5.1,4.9,5.0,5.0,4.7)
oxigeno
## [1] 4.9 5.1 4.9 5.0 5.0 4.7
promedio_oxigeno <- mean(oxigeno)
desviacion_estandar_oxigeno <- sqrt(var(oxigeno))
n_oxigeno<- 6
miu_oxigeno<- 5
t_oxigeno=(promedio_oxigeno - miu_oxigeno) / (desviacion_estandar_oxigeno/sqrt(n_oxigeno))

#Conclusion: No se rechaza Ho.
peso_diamantes_co_error <- c(.46, .61, .52, .48, .57, 54)
boxplot(peso_diamantes_co_error, horizontal=TRUE)
# install.packages("DescTools")
library(DescTools)

peso_diamantes_winsorizado <- Winsorize(peso_diamantes_co_error, 0.10)

peso_diamantes_recortado <- Trim(peso_diamantes_co_error, 1)