Desafío 1

Realice otros 10 ejemplos con diferentes operadores matemáticos.

#Tomando en cuenta a las variables x=3 e y=4
x = 3
y = 4
#Promedio entre dos valores
promedio = (x + y)/2
cat(promedio)
## 3.5
#Calculo de la hipotenusa de un triangulo rectangulo
hip = sqrt(x**2 + y**2)
cat(hip)
## 5
#Modulo o resto de una division
resto = x%%y
cat(resto)
## 3
#Division entera
divEnt = y%/%x
cat(divEnt)
## 1
#Invertir una fracción (obtener su inverso multiplicativo)
frac = x/y
fracInv = frac**-1
cat(fracInv)
## 1.333333
#Logaritmo en base 2
logBase2 = log2(y)
cat(logBase2)
## 2
#Logaritmo natural
resLogNat = log(exp(y))
cat(resLogNat)
## 4
#Obtener el inverso aditivo de un número
invAd = -1*x
cat(invAd)
## -3
#Para una circunferencia de radio r = 10
r = 10
#Obtener el área de una circunferencia
area = pi*(r**2)
cat(area)
## 314.1593
#Obtener el perimetro de una circunferencia
perimetro = 2*pi*r
cat(perimetro)
## 62.83185

Desafío 2

Realice ejemplos usando otros tipos de estructura de datos: elementos booleanos, factores, tablas, entre otros.

#Obtener si un elemento está contenido dentro de un vector.
nombres_prueba = c("Pedro", "Juan", "Diego")
nombre1 = "Esteban"
nombre2 = "Juan"

cat(nombre1 %in% nombres_prueba)
## FALSE
cat("\n")
cat(nombre2 %in% nombres_prueba)
## TRUE
#Multiplicar dos matrices entre si
A = matrix(c(1,3,5,7), 2, 2, byrow=TRUE)
cat("===MATRIZ A===\n")
## ===MATRIZ A===
print(A)
##      [,1] [,2]
## [1,]    1    3
## [2,]    5    7
B = matrix(c(2,4,6,8), 2, 2, byrow=TRUE)
cat("\n===MATRIZ B===\n")
## 
## ===MATRIZ B===
print(B)
##      [,1] [,2]
## [1,]    2    4
## [2,]    6    8
mult_matrices = A %*% B
cat("\n==MULTIPLICACION ENTRE A Y B==\n")
## 
## ==MULTIPLICACION ENTRE A Y B==
print(mult_matrices)
##      [,1] [,2]
## [1,]   20   28
## [2,]   52   76
#Resultado empirico de lanzar una moneda 8 veces

posibles_resultados <- c("CARA", "SELLO")
res_empiricos = sample(posibles_resultados, 8, replace = TRUE)
numero_tiros <- 1:8
tabla = data.frame(Tiros=numero_tiros, Resultado=res_empiricos)

print(tabla,row.names=FALSE)
##  Tiros Resultado
##      1      CARA
##      2     SELLO
##      3      CARA
##      4      CARA
##      5     SELLO
##      6     SELLO
##      7     SELLO
##      8      CARA

Desafío 3

Construya una función que permita a un jugador jugar al piedra papel o tijeras.

cachipun=function(){
  cat("- Piedra\n- Papel\n- Tijera\n")
  eleccion_usuario = readline("Escoja cualquiera de las opciones anteriores: ");
  posibles_elecciones <- c("Piedra", "Papel", "Tijera")
  eleccion_IA = sample(posibles_elecciones,1)
  if(eleccion_usuario == eleccion_IA){
    cat("La IA ha usado ")
    cat(eleccion_IA)
    cat(".\nHas empatado.\n")
  }
  else{
    if(eleccion_usuario == "Piedra"){
      if(eleccion_IA == "Papel"){
        cat("La IA ha usado Papel.\nHas perdido.\n")
      }
      else if(eleccion_IA == "Tijera"){
        cat("La IA ha usado Tijera.\nHas ganado.\n")
      }
    }
    else if(eleccion_usuario == "Papel"){
      if(eleccion_IA == "Tijera"){
        cat("La IA ha usado Tijera.\nHas perdido.\n")
      }
      else if(eleccion_IA == "Piedra"){
        cat("La IA ha usado Piedra.\nHas ganado.\n")
      }
    }
    else if(eleccion_usuario == "Tijera"){
      if(eleccion_IA == "Piedra"){
        cat("La IA ha usado Piedra.\nHas perdido.\n")
      }
      else if(eleccion_IA == "Papel"){
        cat("La IA ha usado Papel.\nHas ganado.\n")
      }
    }
  }
}

cachipun()
## - Piedra
## - Papel
## - Tijera
## Escoja cualquiera de las opciones anteriores:

Desafío 4

  1. El conjunto de datos seleccionado corresponde a las muertes por mes atribuidas al cáncer de pulmón durante los años 1974 a 1979, en el Reino Unido, los cuales se encuentran distribuidos en tres tipos: las muertes atribuidas a personas del sexo femenino, masculino, y ambos.

    El origen de los datos a estudiar proviene del libro: “Time Series: A Biostatistical Introduction”, escrito por Peter J. Diggle, y publicado por la editorial Clarendon Press en el año 1990, y que forma parte de la colección Oxford Statistical Science Series.

    Los datos entregados en éste, pueden ser utilizados para estudiar el impacto de enfermedades de tipo respiratorias, como la bronquitis, el asma, o el enfisema pulmonar, y como influyeron en las muertes provocadas por el cáncer de pulmón durante la segunda mitad de la década de los 70’s en el Reino Unido.

  2. Con respecto a los datos como tal, se aprecia que están ordenados en una tabla, en la que las variables que representan a cada fila, corresponden a los años en los que el estudio fue llevado a cabo, por ende, se tratan de variables cuantitativas numéricas; mientras que las variables asociadas a las columnas corresponden a los meses de los años en cuestión, tratándose de variables cualitativas.

  3. Al ejecutar el comando summary() en la tabla que contiene datos para ambos sexos:

    summary(ldeaths)
    ##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    1300    1552    1870    2057    2552    3891

    Se obtienen las medida de tendencia central de los datos recolectados, indicando la cifra más baja y alta de decesos, el primer y tercer cuartil, la mediana (posición central de los datos), y la media aritmética.

  4. Al ejecutar el comando plot() en la tabla que contiene datos para ambos sexos:

    plot(ldeaths)

    Se genera un gráfico de lineas que representa la información contenida en la tabla visualmente, en el que los ejes X e Y indican las cifras de fallecidos por mes, y el tiempo transcurrido respectivamente.