# Álgebra
1- x 3^2 + 5*4 - 8
2- resultado (7 + 3)*(2 - 1)^2
3- a sqrt(49) + log10(1000)
4- b (x^2 + 2*x + 1)/(x + 1)
5- m abs(-12) + ceiling(2.3)
# Estadística
6- media mean(c(10, 15, 20, 25))
7- mediana median(c(8, 12, 14, 16))
8- moda as.numeric(names(which.max(table(c(2,2,3,4)))))
9- varianza var(c(1, 2, 3, 4, 5))
10- desv_sd sd(c(2, 4, 4, 4, 5, 5, 7))
# Probabilidad
11- p_bin dbinom(3, size = 5, prob = 0.4)
12- p_poisson dpois(2, lambda = 3)
13- p_norm pnorm(1.5, mean = 0, sd = 1)
14- cuantil qnorm(0.95, mean = 100, sd = 15)
15- simulacion rbinom(10, size = 6, prob = 0.7)
# Cálculo
16- limite D(expression(sin(x)/x), "x")
17- integral integrate(function(x) x^2, lower = 0, upper = 3)
18- derivada D(expression(x^3 + 2*x), "x")
19- suma_riemann sum((1:100)^2 * 0.01)
20- trapecio function(f, a, b) (b-a)*(f(a)+f(b))/2
# Otras funciones
21- hipotenusa sqrt(3^2 + 4^2)
22- factorial factorial(5)
23- combinatoria choose(10, 3)
24- logaritmo log(100, base = exp(1))
25- angulo cos(pi/3) + sin(pi/6)
#Glosario de símbolos y notación estadística
X <- “Vector aleatorio”
x <- “Valor observado de X”
p <- “Dimensión de un valor aleatorio”
v.a <- “Variable aleatoria”
v.a.c <- “Variable aleatoria continua”
v.a.d <- “Variable aleatoria discreta”
f.d.a <- “Función de distribución acumulada”
f.d.p <- “Función de densidad de probabilidad”
f.m.p <- “Función de masa de probabilidad”
f.g.m <- “Función generadora de momentos”
f <- “Función genérica f(x)”
f’ <- “Derivada de f respecto a x”
Γ(x) <- “Función gamma”
∫ <- “Integral”
d/dx <- “Derivada respecto a x”
“<” <- “Menor que”
“>” <- “Mayor que”
“=” <- “Igual a”
“≠” <- “No es igual a”
“≤” <- “Menor o igual que”
“≥” <- “Mayor o igual que”
“≈” <- “Aproximadamente igual a”
“⇒, ⇔” <- “Implicación / Equivalencia lógica”
“∈” <- “Pertenece a”
“∉” <- “No pertenece a”
“⊂” <- “Subconjunto propio de”
“⊆” <- “Contenido en”
“∅” <- “Conjunto vacío”
“Ω” <- “Espacio muestral”
“#A” <- “Cardinal del conjunto A”
“PA” <- “Partes del conjunto A”
“Ac” <- “Complemento del conjunto A”
E[X] <- “Valor esperado de X”
Var[X] <- “Varianza de X”
Cov[X,Y] <- “Covarianza de X y Y”
Corr[X,Y] <- “Correlación entre X y Y”
ρ <- “Coeficiente de correlación de Pearson poblacional”
r <- “Coeficiente de correlación muestral”
P(A) <- “Probabilidad del evento A”
N(μ,σ²) <- “Normal con media μ y varianza σ²”
Φ(x;μ,σ²) <- “Función de distribución acumulada normal”
φ(x;μ,σ²) <- “Función de densidad normal”
Ber(π) <- “Distribución Bernoulli”
Bin(n, π) <- “Distribución binomial”
Poisson(λ) <- “Distribución de Poisson”
Exp(λ) <- “Distribución exponencial”
U[a,b] <- “Distribución uniforme continua”
B(α,β) <- “Distribución beta”
μX <- “Media poblacional”
x̄ <- “Media muestral”
μx <- “Moda poblacional”
μₓ <- “Mediana poblacional”
x <- “Moda muestral observada”
CVX <- “Coeficiente de variación”
DX, DMX <- “Desviaciones media y mediana”
RX, RIx <- “Rangos (total e intercuartílico)”
π <- “Número pi o probabilidad de éxito”
Σ <- “Matriz de covarianzas”
∑ <- “Sumatoria”
Π <- “Productoria”
√x <- “Raíz cuadrada”
√ₙx <- “Raíz n-ésima”
sin(x), cos(x), tan(x) <- “Funciones trigonométricas”
sec(x), cot(x), csc(x) <- “Funciones trigonométricas
complementarias”
∃ <- “Existe”
∄ <- “No existe”
∀ <- “Para todo”
→ <- “Tiende a / Entonces”
Δ <- “Diferencia simétrica”
□, ■ <- “Fin de ejemplo o demostración”
# Cargar librería
if (!require(ggplot2)) {
install.packages("ggplot2")
library(ggplot2)
} else {
library(ggplot2)
}## Cargando paquete requerido: ggplot2
# Datos hipotéticos de exportaciones
exportaciones <- data.frame(
Sector = c("Agroindustria", "Mineria", "Tecnologia", "Textiles", "Servicios"),
Exportaciones_MUSD = c(15000, 32000, 18000, 9000, 22000)
)
# Gráfica de barras
ggplot(exportaciones, aes(x = Sector, y = Exportaciones_MUSD, fill = Sector)) +
geom_bar(stat = "identity", width = 0.7) +
labs(
title = "Exportaciones por Sector Economico - 2024",
x = "Sector Economico",
y = "Millones de USD"
) +
theme_minimal() +
theme(legend.position = "none")