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

{r, echo=FALSE} #library(shiny) #library(shinythemes) #shinyApp(

ui <- fluidPage(theme=shinytheme(“cerulean”),

           # navbarPage("Aplicaciones",
                       tabPanel("Nombre Completo",
                       sidebarPanel(
                        tags$h3("Ingresa los siguientes datos:"),
                       textInput("primer_nombre","Primer Nombre:",""),
                       textInput("segundo_nombre","Segundo Nombre:",""),
                       textInput("apellido_paterno","Apellido Paterno:",""),
                       textInput("apellido_materno", "Apellido Materno:","")
                        ),
                        mainPanel(
                          h1("Tu Nombre Completo es:"),
                          verbatimTextOutput("nombre_completo")
                        ),
                       
                       tabPanel("Tab 2"),
                       tabPanel("Tab 3"))
                       
            )),

#server <- function(input,output) { output$nombre_completo <- renderText( paste(input$primer_nombre,input$segundo_nombre,input$apellido_paterno,input$apellido_materno,sep = ” “)) } )

App Distribuciones

{r, echo=FALSE} library(shiny) library(shinythemes)

ui <- fluidPage(theme=shinytheme(“cerulean”), navbarPage(“Aplicaciones”, tabPanel(“Distribuciones”, sidebarPanel( tags$h3(“Ingresa los siguientes datos:”), numericInput(“x”,“x:”,“1”), numericInput(“Promedio”,“Promedio:”,“0”), numericInput(“Desviacion_estandar”,“Desviacion Estandar:”,“1”), ), mainPanel( plotOutput(“densidad”), plotOutput(“distribucion”) ),

                                tabPanel("Tab 2"),
                                tabPanel("Tab 3"))
                       
            ))

server <- function(input,output) {

output$densidad <- renderPlot({ # Funcion de Densidad de probabilidad (Normal) x_densidad <- seq(input$Promedio-3input$Desviacion_estandar,input$Promedio+3input$Desviacion_estandar,length=1000) y_densidad <- dnorm(x_densidad, input$Promedio, input$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”) })

output$distribucion <- renderPlot({ # Funcion de Distribucion de Probabilidad (Normal) x_distribucion <- seq(input$Promedio-3input$Desviacion_estandar,input$Promedio+3input$Desviacion_estandar,length=1000) y_distribucion <- pnorm(x_distribucion, input$Promedio, input$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”) })

}

shinyApp(ui = ui, server = server)

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)

Entregable 3-2

Satoshi Pablos

2023-09-03