Integrantes: Isabela Ramirez, Juan Esteban Amaya, Jereminth Muñoz
Creación del algoritmo que hara el lanzamiento de los dados y guardara la lista de resultados de suma y resta de caras junto a las probabilidades resultantes del test.
set.seed(23)
Dados <- function(N){
suma_caras = 0
resta_caras = 0
for(i in 1:N){
dado1 = sample(1:6, 1, replace = TRUE)
dado2 = sample(1:6, 1, replace = TRUE)
suma_caras[i] = dado1 + dado2
resta_caras[i] = abs(dado1 - dado2)
}
prob_suma = table(suma_caras) / N
prob_resta = table(resta_caras) / N
return(list(prob_suma, prob_resta))
}
Para todos los casos se fijo la semilla \(set.seed(23)\) con el fin de poder sistematizar los resultados.
library(gt)
set.seed(23)
resultado_10 = Dados(10)
# Convertir el primer elemento de resultado en un dataframe
df_suma_10 <- as.data.frame(resultado_10[[1]])
df_resta_10 <- as.data.frame(resultado_10[[2]])
# Crear tabla para la Suma
tabla_suma <- gt(df_suma_10) %>%
tab_header(
title = "Tabla para la Suma"
)
# Crear tabla para la Resta
tabla_resta <- gt(df_resta_10) %>%
tab_header(
title = "Tabla para la Resta"
)
# Imprimir las tablas
tabla_suma
| Tabla para la Suma | |
| suma_caras | Freq |
|---|---|
| 3 | 0.2 |
| 4 | 0.1 |
| 6 | 0.2 |
| 7 | 0.1 |
| 8 | 0.1 |
| 9 | 0.1 |
| 11 | 0.1 |
| 12 | 0.1 |
tabla_resta
| Tabla para la Resta | |
| resta_caras | Freq |
|---|---|
| 0 | 0.1 |
| 1 | 0.5 |
| 2 | 0.3 |
| 4 | 0.1 |
Si generamos un grafico de barras, para ver la frecuencia podemos apreciar que la distribucion no es uniforme, ¿Qué tipo de distribución tendra?.
# Graficar un gráfico de barras
barplot(df_suma_10$Freq, names.arg = df_suma_10$suma_caras,
xlab = "Sumas de Caras", ylab = "Freq",
main = "Gráfico de Barras de df Suma de caras")
# Graficar un gráfico de barras
barplot(df_resta_10$Freq, names.arg = df_resta_10$resta_caras,
xlab = "Restas de Caras", ylab = "Freq",
main = "Gráfico de Barras de df Resta de caras")
set.seed(23)
resultado_100 = Dados(100)
resultado_1000 = Dados(1000)
resultado_10000 = Dados(10000)
resultado_100000 = Dados(100000)
df_suma_100 <- as.data.frame(resultado_100[[1]])
df_resta_100 <- as.data.frame(resultado_100[[2]])
df_suma_1000 <- as.data.frame(resultado_1000[[1]])
df_resta_1000 <- as.data.frame(resultado_1000[[2]])
df_suma_10000 <- as.data.frame(resultado_10000[[1]])
df_resta_10000 <- as.data.frame(resultado_10000[[2]])
df_suma_100000 <- as.data.frame(resultado_100000[[1]])
df_resta_100000 <- as.data.frame(resultado_100000[[2]])
library(gt)
# Crear tabla para la Suma
tabla_suma <- gt(df_suma_100) %>%
tab_header(
title = "Tabla para la Suma"
)
# Crear tabla para la Resta
tabla_resta <- gt(df_resta_100) %>%
tab_header(
title = "Tabla para la Resta"
)
# Imprimir las tablas
tabla_suma
| Tabla para la Suma | |
| suma_caras | Freq |
|---|---|
| 3 | 0.09 |
| 4 | 0.08 |
| 5 | 0.08 |
| 6 | 0.19 |
| 7 | 0.10 |
| 8 | 0.21 |
| 9 | 0.13 |
| 10 | 0.08 |
| 11 | 0.02 |
| 12 | 0.02 |
tabla_resta
| Tabla para la Resta | |
| resta_caras | Freq |
|---|---|
| 0 | 0.15 |
| 1 | 0.23 |
| 2 | 0.28 |
| 3 | 0.16 |
| 4 | 0.15 |
| 5 | 0.03 |
# Graficar un gráfico de barras
barplot(df_suma_100$Freq, names.arg = df_suma_100$suma_caras,
xlab = "Sumas de Caras", ylab = "Freq",
main = "Gráfico de Barras de df Suma de caras")
# Graficar un gráfico de barras
barplot(df_resta_100$Freq, names.arg = df_resta_100$resta_caras,
xlab = "Resta de Caras", ylab = "Freq",
main = "Gráfico de Barras de df Resta de caras")
library(gt)
# Crear tabla para la Suma
tabla_suma <- gt(df_suma_1000) %>%
tab_header(
title = "Tabla para la Suma"
)
# Crear tabla para la Resta
tabla_resta <- gt(df_resta_1000) %>%
tab_header(
title = "Tabla para la Resta"
)
# Imprimir las tablas
tabla_suma
| Tabla para la Suma | |
| suma_caras | Freq |
|---|---|
| 2 | 0.034 |
| 3 | 0.056 |
| 4 | 0.088 |
| 5 | 0.119 |
| 6 | 0.134 |
| 7 | 0.154 |
| 8 | 0.129 |
| 9 | 0.118 |
| 10 | 0.088 |
| 11 | 0.051 |
| 12 | 0.029 |
tabla_resta
| Tabla para la Resta | |
| resta_caras | Freq |
|---|---|
| 0 | 0.181 |
| 1 | 0.263 |
| 2 | 0.229 |
| 3 | 0.180 |
| 4 | 0.092 |
| 5 | 0.055 |
# Graficar un gráfico de barras
barplot(df_suma_1000$Freq, names.arg = df_suma_1000$suma_caras,
xlab = "Sumas de Caras", ylab = "Freq",
main = "Gráfico de Barras de df Suma de caras")
# Graficar un gráfico de barras
barplot(df_resta_1000$Freq, names.arg = df_resta_1000$resta_caras,
xlab = "Resta de Caras", ylab = "Freq",
main = "Gráfico de Barras de df Resta de caras")
library(gt)
# Crear tabla para la Suma
tabla_suma <- gt(df_suma_10000) %>%
tab_header(
title = "Tabla para la Suma"
)
# Crear tabla para la Resta
tabla_resta <- gt(df_resta_10000) %>%
tab_header(
title = "Tabla para la Resta"
)
# Imprimir las tablas
tabla_suma
| Tabla para la Suma | |
| suma_caras | Freq |
|---|---|
| 2 | 0.0281 |
| 3 | 0.0571 |
| 4 | 0.0848 |
| 5 | 0.1073 |
| 6 | 0.1399 |
| 7 | 0.1634 |
| 8 | 0.1414 |
| 9 | 0.1108 |
| 10 | 0.0868 |
| 11 | 0.0548 |
| 12 | 0.0256 |
tabla_resta
| Tabla para la Resta | |
| resta_caras | Freq |
|---|---|
| 0 | 0.1669 |
| 1 | 0.2782 |
| 2 | 0.2286 |
| 3 | 0.1600 |
| 4 | 0.1111 |
| 5 | 0.0552 |
# Graficar un gráfico de barras
barplot(df_suma_10000$Freq, names.arg = df_suma_10000$suma_caras,
xlab = "Sumas de Caras", ylab = "Freq",
main = "Gráfico de Barras de df Suma de caras")
# Graficar un gráfico de barras
barplot(df_resta_10000$Freq, names.arg = df_resta_10000$resta_caras,
xlab = "Resta de Caras", ylab = "Freq",
main = "Gráfico de Barras de df Resta de caras")
library(gt)
# Crear tabla para la Suma
tabla_suma <- gt(df_suma_100000) %>%
tab_header(
title = "Tabla para la Suma"
)
# Crear tabla para la Resta
tabla_resta <- gt(df_resta_100000) %>%
tab_header(
title = "Tabla para la Resta"
)
# Imprimir las tablas
tabla_suma
| Tabla para la Suma | |
| suma_caras | Freq |
|---|---|
| 2 | 0.02787 |
| 3 | 0.05523 |
| 4 | 0.08344 |
| 5 | 0.11231 |
| 6 | 0.13817 |
| 7 | 0.16561 |
| 8 | 0.13843 |
| 9 | 0.11083 |
| 10 | 0.08418 |
| 11 | 0.05525 |
| 12 | 0.02868 |
tabla_resta
| Tabla para la Resta | |
| resta_caras | Freq |
|---|---|
| 0 | 0.16944 |
| 1 | 0.27831 |
| 2 | 0.22128 |
| 3 | 0.16682 |
| 4 | 0.11005 |
| 5 | 0.05410 |
# Graficar un gráfico de barras
barplot(df_suma_100000$Freq, names.arg = df_suma_100000$suma_caras,
xlab = "Sumas de Caras", ylab = "Freq",
main = "Gráfico de Barras de df Suma de caras")
# Graficar un gráfico de barras
barplot(df_resta_100000$Freq, names.arg = df_resta_100000$resta_caras,
xlab = "Resta de Caras", ylab = "Freq",
main = "Gráfico de Barras de df Resta de caras")
Análisis del gráfico #1 Para el gráfico de la suma de las caras, podemos observar que es difícil de caracterizar la distribución debido a que al haber tan pocos datos, cualquier valor de la suma tiene una probabilidad alta de ocurrir por lo que en el gráfico se refleja en una distribución prácticamente plana.
Análisis del gráfico #2 En este gráfico, podemos observar que los datos empiezan a tener una asimetría positiva y que la mitad de los valores ocurre en el número 1. Sin embargo, para confirmar este comportamiento, se ve la necesidad de obtener más datos.
Análisis del gráfico #3 Con 100 datos ya se empieza a ver que los datos se acumulan alrededor de la media (entre 6 y 8) lo cual nos dice que con más lanzamientos la distribución será de una forma acampanada. Sin embargo, también se puede observar que hay una leve asimetría negativa y algunos datos extremos como el 11 y 12.
Análisis gráfico #4 En este análisis, podemos ver que el gráfico tiene una asimetría positiva ya que la concentración de los datos se acumula en la cola izquierda, mientras que en la cola de la derecha es más corta y tiene menos datos.
Análisis gráfico #5 Ya con mil datos podemos observar que la distribución ya es simétrica alrededor de la media, que toma el valor de 7, y es por esto que no se observa una asimetría notoria ni a la derecha ni a la izquierda.
Análisis gráfico #6 Hay una asimetría positiva, la cual se concentra en el valor de 1, que es la moda con aproximadamente el 26% de los datos y a medida que aumenta el valor, la frecuencia de los datos disminuye.
Al variar el número de lanzamientos, pudimos darnos cuenta de que es necesario obtener al menos 1000 datos para que nuestras gráficas se estabilicen y muestren comportamientos más reales, pues al aumentar el número de lanzamientos no hubo cambios en las gráficas mientras que en frecuencias menores a mil el comportamiento de los datos no eran muy claros.
La suma de las caras tiene un comportamiento simétrico con respecto a la moda, debido a que los resultados de lanzar dos dados son independientes y una misma distribución, por lo que tiende a una distribución normal por el teorema central del límite.
Por otro lado, la resta de las variables aleatorias no es simétrica debido a que al tomar el valor absoluto de la resta, se introduce un sesgo positivo puesto que no se toman en cuenta los valores negativos, lo que elimina la cola izquierda de la distribución haciéndola asimétrica.