# Datos de errores por día
errores <- c(21, 22, 22, 22, 22, 23, 23, 24, 25, 30, 30, 33, 33, 33, 34, 35, 40, 44, 48, 50)
# Construcción del histograma
hist(errores, main = "Histograma de Errores por Día",
xlab = "Número de Errores", ylab = "Frecuencia",
col = "lightblue", border = "black")

media_muestra <- mean(errores)
media_muestra
## [1] 30.7
varianza_muestra <- var(errores)
desv_estandar_muestra <- sd(errores)
varianza_muestra
## [1] 82.85263
desv_estandar_muestra
## [1] 9.102342
encontrar_moda <- function(x) {
valores_unicos <- unique(x)
valores_unicos[which.max(tabulate(match(x, valores_unicos)))]
}
moda <- encontrar_moda(errores)
moda
## [1] 22
mediana_muestra <- median(errores)
mediana_muestra
## [1] 30
iqr <- IQR(errores)
iqr
## [1] 11.5
percentil_89 <- quantile(errores, probs = 0.89)
percentil_89
## 89%
## 43.64
umbral_outlier <- media_muestra + 3 * desv_estandar_muestra
umbral_outlier
## [1] 58.00703
k <- 2
limite_inferior <- media_muestra - k * desv_estandar_muestra
limite_superior <- media_muestra + k * desv_estandar_muestra
c(limite_inferior, limite_superior)
## [1] 12.49532 48.90468
media_deseada <- 31.1
nuevo_tamano_muestra <- 21
suma_existente <- sum(errores)
nuevo_valor <- media_deseada * nuevo_tamano_muestra - suma_existente
nuevo_valor
## [1] 39.1
suma_total <- 425
promedio <- 85
numero_de_cursos <- suma_total / promedio
numero_de_cursos
## [1] 5
media_sueldo <- 50000
desv_estandar_sueldo <- 15000
# A) Probabilidad de ganar menos de 60,000
prob_menor_60k <- pnorm(60000, mean = media_sueldo, sd = desv_estandar_sueldo)
# B) Probabilidad de ganar más de 66,000
prob_mayor_66k <- 1 - pnorm(66000, mean = media_sueldo, sd = desv_estandar_sueldo)
# C) Probabilidad de ganar entre 45,000 y 55,000
prob_entre_45k_55k <- pnorm(55000, mean = media_sueldo, sd = desv_estandar_sueldo) - pnorm(45000, mean = media_sueldo, sd = desv_estandar_sueldo)
c(prob_menor_60k, prob_mayor_66k, prob_entre_45k_55k)
## [1] 0.7475075 0.1430612 0.2611173