Pregunta 2.80

# aceite = 0.25
#filtro = 0.40
#aceite n filtro = 0.14

p.a <- 0.25
p.f <- 0.40
p.anf <- 0.14

#a)
p.f_a <- p.anf/p.a
p.f_a
## [1] 0.56
#b)

p.a_f <- p.anf/p.f
p.a_f
## [1] 0.35

Pregunta 2.84

#jefe este en casa cuando llame = 0.4

#dado que el jefe este en casa, probabilidad de qeu vendan =0.3

#jefe este en casa y compre???

p.j <- 0.4
p.v_j <- 0.3
p.vnj <- p.j*p.v_j
p.vnj
## [1] 0.12

Pregunta 2.85

p.c <- 0.7
p.cc <- 0.3
p.d_cc <- 0.9
p.ccnd <- p.cc*p.d_cc
p.ccnd
## [1] 0.27

Pregunta 2.86

#a)
p.g1970 <- 0.11
p.g1970m <- 0.43
p.m_g1970 <- p.g1970*p.g1970m
p.m_g1970
## [1] 0.0473
#b)
p.g1990 <- 0.22
p.g1990m <- 0.53
p.m_g1990 <- p.g1990*p.g1990m
p.m_g1990
## [1] 0.1166
#c)

#no se puede hacer profe, falta información complementaria de los que no lograron cursar los 4 cursos

Pregunta 2.101

Pintura <- c("latex", "semiesmaltada", "total")
Rodillo <- c(0.45,0.075,0.525)
No_rodillo <- c(0.3,0.175,0.475)
total <- c(0.75, 0.25, 1)
tabla_pintura <- data.frame(Pintura, Rodillo, No_rodillo, total)
tabla_pintura
##         Pintura Rodillo No_rodillo total
## 1         latex   0.450      0.300  0.75
## 2 semiesmaltada   0.075      0.175  0.25
## 3         total   0.525      0.475  1.00
p.l_r <- 0.45/0.525
p.l_r
## [1] 0.8571429

Pregunta 3.5

x <- c(0:3)
fx1 <- function(x){
 x^2+4 
}
  

c1 <- sapply(x, fx1)
c1
## [1]  4  5  8 13
#30c=1

#despejamos c

cfinal <- 1/30
cfinal
## [1] 0.03333333
x1 <- c(0:2)
fx2 <- function(x){
  choose(2,x)*choose(3,(3-x))
}

c2 <- sapply(x1, fx2)
c2
## [1] 1 6 3
#10c=1

cfinal2 <- 1/10
cfinal2
## [1] 0.1

##Pregunta 3.11

library(ggplot2)

televisores <- 7
defectuosas <- 2
funcionales <- televisores-defectuosas
compra <- 3
xtel <- c(0:3)

f.televisores <- round(choose(2,xtel)*choose(funcionales,3-xtel)/choose(televisores,compra),3)

f.televisores
## [1] 0.286 0.571 0.143 0.000
sum(f.televisores)
## [1] 1
televisores_df <- data.frame(xtel, f.televisores)

p.cumsum <- cumsum(f.televisores)

F.p.televisores <- function(x) {
  if (x < 0) {
    rta <- 0
  } else if (x >= max(televisores_df$x)) {
    rta <- 1
  } else {
    rta <- approx(x = televisores_df$x, y = p.cumsum, xout = x, method = "linear")$y
  }
  return(rta)
}

grafica.s <- sapply(xtel, F.p.televisores)

grafica.s
## [1] 0.286 0.857 1.000 1.000
df <- data.frame(x = x, f.televisores = grafica.s)
ggplot(data = df, aes(x = x, y = grafica.s)) +
  geom_point(col = 'brown') +
  geom_segment(aes(x = x, y = 0, xend = x, yend = grafica.s), col = "blue", lty = "dotted") +
  ggtitle("Gráfico de la función de densidad de probabilidad del ejemplo")

#Detallito Profe (una ñapa)

Función de la distribución acumulativa, donde se puede agregar cualquier valor para una función discreta. Esto funciona para que solo tenga que reemplazar valores y que no tenga que desarrolarse a pedal.

x <- c(0:2)
p.x <- c(0.25, 0.5, 0.25)

df.j <- data.frame(x,p.x)

df.j
##   x  p.x
## 1 0 0.25
## 2 1 0.50
## 3 2 0.25
# Esta es la suma acumulativa de las probabilidades
p.cumsum <- cumsum(p.x)

# ahora teniendo en cuenta el data frame que creamos y la suma acumulativa de las probabilidades, las insertamos dentro de la función (estos son los unicos elementos que se van a alterar)

F.x <- function(x) {
  if (x < 0) {
    rta <- 0
  } else if (x >= max(df.j$x)) {
    rta <- 1
  } else {
    rta <- approx(x = df.j$x, y = p.cumsum, xout = x, method = "linear")$y
  }
  return(rta)
}

#ahora con F.x, se puede conocer la respuesta de la variable deseada.
F.x(2)
## [1] 1