p=7/1000
n=50
k=1
dbinom(k,n,p)
## [1] 0.248074
La probabilidad es del 24% de que al examinar entre los 50 activos, uno saliera con tendencia a la baja.
#a
p1=0.72
n1=15
k1=15
dbinom(k1,n1,p1)
## [1] 0.00724415
La probabilidad es del 0.72% una vez intervenidas las 15 empresas, todas sean declaradas exitosas según el modelo financiero.
#b
p2=0.72
n2=15
k2=0
dbinom(k2,n2,p2)
## [1] 5.097655e-09
Para este caso la probabilidad es extremadamente baja, lo que indica que es muy poco probable que ninguna de las empresas sea exitosa según el modelo financiero.
#c
p3=0.72
n3=15
k3=13
dbinom(k3,n3,p3)
## [1] 0.1150344
La probabilidad es del 11,50% que trece de estas empresas sean declaradas exitosas.
p4=0.4
n4=15
k4=10-1
pbinom(k4,n4,p4, lower.tail = FALSE) #cuando es igual FALSE p(x>z) es que sean 10 o mas " se usa al menos 10 por ejemplo"
## [1] 0.0338333
Hay aproximadamente un 3.38% de probabilidad de que al menos 10 de las 15 empresas intervenidas se recuperen de la crisis financiera.
p5=0.4
n5=15
k5=8
p6=0.4
n6=15
k6=3
pbinom(k5,n5,p5, lower.tail = TRUE)-pbinom(k6,n6,p6, lower.tail = TRUE)
## [1] 0.8144507
hay aproximadamente un 81.45% de probabilidad de que entre 3 y 8 empresas, de las 15 intervenidas, se recuperen de la crisis financiera.
p7=0.75
n7=15
k7=2
dbinom(k7,n7,p7)
## [1] 8.800998e-07
Es muy poco probable que exactamente dos de los quince casos de robo sean debidos a la necesidad de dinero para comprar drogas.
p8=0.75
n8=15
k8=3-1
pbinom(k8,n8,p8, lower.tail = FALSE)
## [1] 0.9999991
Tiene una probabilidad del 99% que al menos tres resulten de la necesidad de dinero para comprar drogas.
p9=0.3
n9=8
k9=3
dbinom(k9,n9,p9)
## [1] 0.2541218
Tiene una probabilidad del 25% que tres inviertan en Bitcoin.
p10=0.3
n10=8
k10=5-1
pbinom(k10,n10,p10, lower.tail=FALSE)
## [1] 0.05796765
Tiene una probabilidad del 5.7% de que al menos cinco inviertan en Bitcoin.
p11=0.3
n11=8
k11=5
pbinom(k11,n11,p11, lower.tail=TRUE)
## [1] 0.9887078
La probabilidad es del 99% que no más de 5 usuarios comenzaran a invertir en Bitcoin.
Punto 1 Determine el valor de la normal estándar Z para el área indicada.
qnorm(0.9, lower.tail = TRUE)
## [1] 1.281552
Podemos interpretar que el 90% de los datos caen por debajo de 1.281552. Es decir, el 90% de los valores de la distribución son menores o iguales a 1.281552.
qnorm(0.8, lower.tail = FALSE)#calcula a partir del 20, todo el 80 que falta hacia la derecha es decir el 80
## [1] -0.8416212
qnorm(0.2) #calcula todo lo que sea diferente
## [1] -0.8416212
# Definir el rango de valores de Z
z_values <- seq(-3, 3, length.out = 1000)
# Calcular la densidad de probabilidad para cada valor de Z
density <- dnorm(z_values)
# Crear el gráfico
plot(z_values, density, type = "l", xlab = "Z", ylab = "Densidad de probabilidad", main = "Distribución Normal Estándar")
# Agregar un área sombreada para el 80% de los valores a la derecha de Z
z <- -0.8416212
area_x <- seq(z, max(z_values), length.out = 100)
area_y <- dnorm(area_x)
polygon(c(z, area_x, max(z_values)), c(0, area_y, 0), col = "skyblue")
# Agregar líneas verticales para mostrar la posición de Z
abline(v = z, col = "red")
abline(h = 0, col = "black")
# Agregar texto para etiquetar Z
text(z, 0.05, round(z, 2), pos = 1, col = "red")
qnorm(0.3, lower.tail = TRUE)
## [1] -0.5244005
qnorm(0.3)
## [1] -0.5244005
qnorm(0.1, lower.tail = FALSE) #->qnorm(0.9)
## [1] 1.281552
qnorm(0.9)
## [1] 1.281552
El 10% de los valores en una distribución normal estándar son mayores que 1.281552. Es decir, el 90% de los valores están por debajo de este valor.
qnorm(0.7, lower.tail = TRUE)
## [1] 0.5244005
qnorm(0.7) #cuando sea cola a la izquierda seria solamente qnorm
## [1] 0.5244005
el 70% de los valores en una distribución normal estándar son menores que 0.5244005.
Punto 2 Se investiga la relación entre varias condiciones socioeconòmicas y el comportamiento apostador en adolescentes y adultos jóvenes. Para duplicar los resultados, usted debe obtener datos de una muestra de adultos jóvenes con una edad media de 22 años y una desviación estándar de 2 años. Las edades de esta población están normalmente distribuidas, debe seleccionar una persona al azar y calcular las siguientes probabilidades. Trace la curva de la normal para cada caso y resalte el área que representa dicha probabilidad.
k1 = 20
media1 = 22
sd1 = 2
k2 = 24
media2 = 22
sd2 = 2
p=pnorm(k2, media2, sd2)-pnorm(k1, media1, sd1)
p
## [1] 0.6826895
La probabilidad es del 68% de que alguien seleccionado al azar este entre las edades de 20 y 24 años.
k3 = 19
media3 = 22
sd3 = 2
pnorm(k3, media3, sd3)
## [1] 0.0668072
La probabilidad es del 6.68% de selección alguien al azar y tenga 19años o menos.
###C
k4 = 0.1
media4 = 22
sd4 = 2
qnorm(k4, media4, sd4)
## [1] 19.4369
Se le enviara cartas al10% más joven de la población, a aquellos que tienen aproximadamente 19 años..
k5 = 25
media5 = 22
sd5 = 2
1-pnorm(k5, media5, sd5)
## [1] 0.0668072
La probabilidad es del 6.68% de seleccionar al azar una persona del grupo especial, es decir, aquellas personas cuyas edades son superiores a 25 años.
Punto 4 Una prueba estandarizada de uso común es la Escala de Inteligencia de Standford-Binet. Esta prueba está diseñada para evaluar el desarrollo cognitivo en niños. La prueba está normalizada y diseñada tal que las puntuaciones caen en una distribución normal respecto a una media de 100 puntos en la escala con una desviación de 13 puntos en la escala.
##a
k6 = 130
media6 = 100
sd6 = 13
pnorm(k6, media6, sd6)
## [1] 0.9894919
La probabilidad es del 98.95% de que una persona tenga una puntuación menor a 130 puntos en la Escala de Inteligencia de Stanford-Binet, considerando que la distribución de las puntuaciones sigue una distribución normal con una media de 100 puntos y una desviación estándar de 13 puntos
##b
k7 = 89
media7 = 100
sd7 = 13
k8 = 115
media8 = 100
sd8 = 13
pnorm(k8, media8, sd8)-pnorm(k7, media7, sd7)
## [1] 0.6769849
LA probabilidad de que obtenga un puntaje entre 89 y 115 es del 67.69%
p11=2/10
n11=10
k11<-2
dbinom(k11,n11,p11)
## [1] 0.3019899
La probabilidad es del 30% de que maximo dos pacientes de la muestra de 10 presenten bajo rendimiento.
#otra forma
prob_c <- pbinom(2, 10, prob = pnorm(85, 100, 13))
print(prob_c)
## [1] 0.8820801
Punto 5 Usted investiga aspectos de desnutrición en el sector educativo. La media de los pesos de 500 estudiantes de un colegio es 70 kg. Se ha determinado que la probabilidad de encontrar a un estudiante que pese menos de 64 kg es de 0.021. Asuma que los pesos distribuyen normalmente.
k12=64
media12=70
y=qnorm(0.021)
sd=(k12-media12)/y
pro=pnorm(75,media12,sd)-pnorm(60,media12,sd)
500*pro
## [1] 477.2869
Los estudiantes que pesan entre 60 kg y 75 kg son aproximadamente 477.
estu=pnorm(90,media12,sd, lower.tail = FALSE)
500*estu
## [1] 3.03784e-09
La probabilidad es extremadamente baja de encontrar un estudiante que pes menos de 90 kg.
qnorm(0.9, media12, sd)
## [1] 73.78128
a partir de 73.7kg estarían los de igual o mayor peso.