library(ggplot2)

# ==============================================================================
# PARTE 1: GRÁFICA GENERAL DE LAS TRES FUNCIONES (n de 1 a 500)
# ==============================================================================
n_general <- 1:500

datos_general <- data.frame(
  n = rep(n_general, 3),
  k = c(sqrt(n_general), 2 * sqrt(n_general), 1 + 3.3 * log10(n_general)),
  Regla = rep(
    c("Raíz cuadrada (√n)", "Doble raíz (2√n)", "Sturges (1 + 3.3·log10(n))"),
    each = length(n_general)
  )
)

g1 <- ggplot(datos_general, aes(x = n, y = k, color = Regla)) +
  geom_line(linewidth = 1.2) +
  labs(
    title = "1. Comparación general de reglas para el número de intervalos (k)",
    subtitle = "Comportamiento de cada fórmula según el tamaño de la muestra (n)",
    x = "Tamaño de la muestra (n)",
    y = "Número de intervalos (k)",
    color = "Fórmula"
  ) +
  theme_minimal() +
  theme(legend.position = "top")

print(g1) # Muestra el Gráfico 1

# ==============================================================================
# PARTE 2: GRÁFICA EVALUANDO EL EJEMPLO ESPECÍFICO (n = 30)
# ==============================================================================
# 1. Datos de ejemplo (n = 30)
datos <- c(12, 15, 18, 20, 22, 24, 25, 27, 29, 30,
           31, 33, 34, 35, 36, 38, 40, 41, 43, 45,
           47, 48, 50, 52, 55, 58, 60, 63, 68, 72)

n <- length(datos)
rango <- max(datos) - min(datos)

# 2. Calcular k exacto y redondeado para cada regla
k_sqrt_exacto   <- sqrt(n)
k_2sqrt_exacto  <- 2 * sqrt(n)
k_sturges_exact <- 1 + 3.3 * log10(n)

tabla_reglas <- data.frame(
  Regla = c("Raiz cuadrada (sqrt(n))",
            "Doble raiz (2*sqrt(n))",
            "Sturges (1 + 3.3*log10(n))"),
  k_exacto = round(c(k_sqrt_exacto, k_2sqrt_exacto, k_sturges_exact), 2),
  k_redondeado = round(c(k_sqrt_exacto, k_2sqrt_exacto, k_sturges_exact)),
  ancho_aprox = round(rango / round(c(k_sqrt_exacto, k_2sqrt_exacto, k_sturges_exact)), 2)
)
library(ggplot2)

# 1. Rango de tamaños de muestra (n) de 1 a 200
n <- 1:200

datos_curvas <- data.frame(
  n = rep(n, 3),
  k = c(sqrt(n), 2 * sqrt(n), 1 + 3.3 * log10(n)),
  Regla = rep(
    c("Raíz cuadrada (√n)", "Doble raíz (2√n)", "Sturges (1 + 3.3·log10(n))"),
    each = length(n)
  )
)

# 2. Puntos exactos de tu ejemplo (n = 30) para resaltarlos en la gráfica
n_ejemplo <- 30
puntos_ejemplo <- data.frame(
  n = rep(n_ejemplo, 3),
  k = c(sqrt(n_ejemplo), 2 * sqrt(n_ejemplo), 1 + 3.3 * log10(n_ejemplo)),
  Regla = c("Raíz cuadrada (√n)", "Doble raíz (2√n)", "Sturges (1 + 3.3·log10(n))")
)
puntos_ejemplo$etiqueta <- paste0("k = ", round(puntos_ejemplo$k, 2))

# 3. Graficar las 3 curvas + los puntos de n = 30
ggplot(datos_curvas, aes(x = n, y = k, color = Regla)) +
  geom_line(linewidth = 1.2) +
  # Línea vertical punteada en n = 30
  geom_vline(xintercept = n_ejemplo, linetype = "dashed", color = "gray40") +
  # Puntos de intersección en n = 30
  geom_point(data = puntos_ejemplo, size = 3.5) +
  # Etiquetas con los valores exactos
  geom_text(
    data = puntos_ejemplo,
    aes(label = etiqueta),
    hjust = -0.2, vjust = -0.4,
    fontface = "bold", show.legend = FALSE
  ) +
  annotate("text", x = n_ejemplo + 3, y = 27, label = "Ejemplo: n = 30",
           color = "gray30", hjust = 0, fontface = "italic") +
  labs(
    title = "Comparación de reglas para determinar el número de intervalos (k)",
    subtitle = "Evaluación del comportamiento de cada fórmula y resultado en n = 30",
    x = "Tamaño de la muestra (n)",
    y = "Número de intervalos (k)",
    color = "Regla"
  ) +
  theme_minimal() +
  theme(legend.position = "top")

print(tabla_reglas)
##                        Regla k_exacto k_redondeado ancho_aprox
## 1    Raiz cuadrada (sqrt(n))     5.48            5       12.00
## 2     Doble raiz (2*sqrt(n))    10.95           11        5.45
## 3 Sturges (1 + 3.3*log10(n))     5.87            6       10.00
# ==============================================================================
# PARTE 3: HISTOGRAMAS COMPARATIVOS (EFECTO DE APLASTAR VS. RESOLUCIÓN ADECUADA)
# ==============================================================================
set.seed(123)
grupo_1 <- rnorm(500, mean = 20, sd = 4)
grupo_2 <- rnorm(500, mean = 45, sd = 5)
datos_grandes <- c(grupo_1, grupo_2)

n_grande  <- length(datos_grandes) # n = 1000
k_sturges <- round(1 + 3.3 * log10(n_grande)) # ~11 intervalos (Muy pocos)
k_sqrt    <- round(sqrt(n_grande))            # ~32 intervalos (Adecuado)

cortes_mal  <- seq(min(datos_grandes), max(datos_grandes), length.out = k_sturges + 1)
cortes_bien <- seq(min(datos_grandes), max(datos_grandes), length.out = k_sqrt + 1)

# Dividir ventana para mostrar los dos histogramas lado a lado (Gráfico 3)
par(mfrow = c(1, 2))

hist(datos_grandes,
     breaks = cortes_mal,
     col = "gray60",
     border = "white",
     main = paste0("INADECUADO: Sturges (k = ", k_sturges, ")"),
     sub = "Pocas barras aplastan y ocultan los 2 grupos",
     xlab = "Valor de la variable",
     ylab = "Frecuencia")

hist(datos_grandes,
     breaks = cortes_bien,
     col = "steelblue",
     border = "white",
     main = paste0("ADECUADO: Raíz cuadrada (k = ", k_sqrt, ")"),
     sub = "Resolución correcta: revela la forma bimodal",
     xlab = "Valor de la variable",
     ylab = "Frecuencia")

# Restaurar configuración gráfica por defecto
par(mfrow = c(1, 1))