library(readr)datos <- read.csv("https://raw.githubusercontent.com/rpizarrog/probabilidad-y-estad-stica/master/practicas%20R/unidad%202/alumnos.deportes.2020.csv")
datos## X nombres sexo futbol basquetbol voleybol atletismo ajedrez tenis
## 1 1 Ana F FALSE FALSE FALSE FALSE FALSE FALSE
## 2 2 Antonio M FALSE FALSE FALSE FALSE FALSE FALSE
## 3 3 Aracely F FALSE FALSE FALSE FALSE FALSE TRUE
## 4 4 Carmen F FALSE TRUE FALSE FALSE FALSE FALSE
## 5 5 Eduardo M TRUE FALSE FALSE FALSE FALSE FALSE
## 6 6 Ernesto M FALSE TRUE FALSE FALSE FALSE FALSE
## 7 7 Gabino M FALSE TRUE FALSE FALSE FALSE FALSE
## 8 8 Gerardo M TRUE FALSE TRUE FALSE FALSE TRUE
## 9 9 Javier M FALSE TRUE FALSE FALSE FALSE FALSE
## 10 10 Jeorgina F FALSE TRUE FALSE FALSE FALSE FALSE
## 11 11 Juan M TRUE FALSE FALSE TRUE FALSE FALSE
## 12 12 Lalo M FALSE FALSE TRUE FALSE FALSE FALSE
## 13 13 Laura F FALSE TRUE FALSE FALSE FALSE FALSE
## 14 14 Lucy F TRUE FALSE TRUE TRUE FALSE FALSE
## 15 15 Luis M FALSE FALSE TRUE FALSE FALSE FALSE
## 16 16 Luisa F FALSE FALSE FALSE FALSE FALSE FALSE
## 17 17 Lupita F TRUE TRUE FALSE FALSE FALSE FALSE
## 18 18 Margarita F FALSE TRUE FALSE TRUE FALSE FALSE
## 19 19 Margarito M FALSE FALSE FALSE FALSE FALSE TRUE
## 20 20 Maria F FALSE TRUE FALSE FALSE FALSE FALSE
## 21 21 Memo M TRUE FALSE FALSE FALSE TRUE FALSE
## 22 22 Oscar M FALSE FALSE FALSE FALSE FALSE FALSE
## 23 23 Paco M TRUE FALSE TRUE FALSE TRUE FALSE
## 24 24 Patricia F TRUE FALSE FALSE TRUE FALSE FALSE
## 25 25 Paty F TRUE TRUE FALSE FALSE FALSE FALSE
## 26 26 Raul M TRUE FALSE FALSE FALSE FALSE FALSE
## 27 27 Romualdo M TRUE FALSE FALSE FALSE FALSE FALSE
## 28 28 Rosario F FALSE FALSE FALSE FALSE FALSE FALSE
## 29 29 Rubén M TRUE FALSE FALSE FALSE FALSE FALSE
## 30 30 Salvador M TRUE FALSE FALSE TRUE FALSE FALSE
## 31 31 Sandra F FALSE FALSE FALSE FALSE FALSE FALSE
## 32 32 Sandro M FALSE FALSE FALSE FALSE FALSE TRUE
## 33 33 Saul M TRUE FALSE TRUE FALSE FALSE FALSE
## 34 34 Yuri F TRUE FALSE FALSE FALSE FALSE FALSE
## 35 35 Arturo M FALSE FALSE FALSE FALSE FALSE FALSE
## 36 36 Angélica F TRUE TRUE TRUE FALSE FALSE FALSE
## 37 37 Arnulfo M FALSE FALSE TRUE FALSE FALSE FALSE
## 38 38 Bety F TRUE TRUE FALSE FALSE FALSE FALSE
## 39 39 Carlos M TRUE FALSE FALSE FALSE FALSE FALSE
## 40 40 Dagoberto M FALSE FALSE TRUE FALSE FALSE FALSE
## 41 41 Dany F TRUE TRUE FALSE FALSE FALSE FALSE
## 42 42 Dalia F TRUE FALSE FALSE FALSE FALSE FALSE
## 43 43 Efren M TRUE FALSE FALSE TRUE FALSE FALSE
## 44 44 Ernestina F TRUE FALSE TRUE FALSE TRUE FALSE
## 45 45 Fernando M TRUE FALSE FALSE TRUE FALSE FALSE
## 46 46 Fabián M FALSE TRUE TRUE FALSE FALSE FALSE
## 47 47 Fernanda F FALSE FALSE FALSE FALSE FALSE FALSE
## 48 48 Gabriela F FALSE FALSE FALSE FALSE FALSE FALSE
## 49 49 Gabriel M TRUE FALSE FALSE FALSE FALSE FALSE
## 50 50 Guille F TRUE FALSE FALSE FALSE TRUE FALSE
## 51 51 Jorge M TRUE TRUE FALSE FALSE FALSE FALSE
## 52 52 Lorenzo M TRUE FALSE TRUE FALSE FALSE FALSE
## 53 53 Mikaela F FALSE TRUE FALSE FALSE FALSE FALSE
## 54 54 Miguel M TRUE TRUE FALSE FALSE FALSE FALSE
## 55 55 Marcela F FALSE FALSE FALSE TRUE FALSE FALSE
## 56 56 Orlando M TRUE FALSE FALSE FALSE FALSE FALSE
## 57 57 Otilia F TRUE FALSE FALSE TRUE FALSE FALSE
## 58 58 Pedro M TRUE TRUE FALSE FALSE FALSE FALSE
## 59 59 Perla F FALSE FALSE FALSE FALSE FALSE FALSE
## 60 60 Raquel F TRUE TRUE FALSE FALSE FALSE FALSE
## 61 61 Susana F FALSE FALSE FALSE FALSE FALSE FALSE
## 62 62 Sandy F FALSE TRUE FALSE FALSE FALSE FALSE
## 63 63 Sotelo M FALSE FALSE TRUE TRUE FALSE FALSE
## 64 64 Tiburcio M FALSE FALSE FALSE TRUE FALSE FALSE
## 65 65 Teresa F FALSE FALSE FALSE FALSE FALSE FALSE
## 66 66 Walter F TRUE TRUE FALSE FALSE FALSE FALSE
## 67 67 Xóchitl F FALSE TRUE TRUE TRUE TRUE FALSEn = nrow(datos)hombres <- subset(datos, sexo =='M')
mujeres <- subset(datos, sexo =='F')
hombres## X nombres sexo futbol basquetbol voleybol atletismo ajedrez tenis
## 2 2 Antonio M FALSE FALSE FALSE FALSE FALSE FALSE
## 5 5 Eduardo M TRUE FALSE FALSE FALSE FALSE FALSE
## 6 6 Ernesto M FALSE TRUE FALSE FALSE FALSE FALSE
## 7 7 Gabino M FALSE TRUE FALSE FALSE FALSE FALSE
## 8 8 Gerardo M TRUE FALSE TRUE FALSE FALSE TRUE
## 9 9 Javier M FALSE TRUE FALSE FALSE FALSE FALSE
## 11 11 Juan M TRUE FALSE FALSE TRUE FALSE FALSE
## 12 12 Lalo M FALSE FALSE TRUE FALSE FALSE FALSE
## 15 15 Luis M FALSE FALSE TRUE FALSE FALSE FALSE
## 19 19 Margarito M FALSE FALSE FALSE FALSE FALSE TRUE
## 21 21 Memo M TRUE FALSE FALSE FALSE TRUE FALSE
## 22 22 Oscar M FALSE FALSE FALSE FALSE FALSE FALSE
## 23 23 Paco M TRUE FALSE TRUE FALSE TRUE FALSE
## 26 26 Raul M TRUE FALSE FALSE FALSE FALSE FALSE
## 27 27 Romualdo M TRUE FALSE FALSE FALSE FALSE FALSE
## 29 29 Rubén M TRUE FALSE FALSE FALSE FALSE FALSE
## 30 30 Salvador M TRUE FALSE FALSE TRUE FALSE FALSE
## 32 32 Sandro M FALSE FALSE FALSE FALSE FALSE TRUE
## 33 33 Saul M TRUE FALSE TRUE FALSE FALSE FALSE
## 35 35 Arturo M FALSE FALSE FALSE FALSE FALSE FALSE
## 37 37 Arnulfo M FALSE FALSE TRUE FALSE FALSE FALSE
## 39 39 Carlos M TRUE FALSE FALSE FALSE FALSE FALSE
## 40 40 Dagoberto M FALSE FALSE TRUE FALSE FALSE FALSE
## 43 43 Efren M TRUE FALSE FALSE TRUE FALSE FALSE
## 45 45 Fernando M TRUE FALSE FALSE TRUE FALSE FALSE
## 46 46 Fabián M FALSE TRUE TRUE FALSE FALSE FALSE
## 49 49 Gabriel M TRUE FALSE FALSE FALSE FALSE FALSE
## 51 51 Jorge M TRUE TRUE FALSE FALSE FALSE FALSE
## 52 52 Lorenzo M TRUE FALSE TRUE FALSE FALSE FALSE
## 54 54 Miguel M TRUE TRUE FALSE FALSE FALSE FALSE
## 56 56 Orlando M TRUE FALSE FALSE FALSE FALSE FALSE
## 58 58 Pedro M TRUE TRUE FALSE FALSE FALSE FALSE
## 63 63 Sotelo M FALSE FALSE TRUE TRUE FALSE FALSE
## 64 64 Tiburcio M FALSE FALSE FALSE TRUE FALSE FALSEmujeres## X nombres sexo futbol basquetbol voleybol atletismo ajedrez tenis
## 1 1 Ana F FALSE FALSE FALSE FALSE FALSE FALSE
## 3 3 Aracely F FALSE FALSE FALSE FALSE FALSE TRUE
## 4 4 Carmen F FALSE TRUE FALSE FALSE FALSE FALSE
## 10 10 Jeorgina F FALSE TRUE FALSE FALSE FALSE FALSE
## 13 13 Laura F FALSE TRUE FALSE FALSE FALSE FALSE
## 14 14 Lucy F TRUE FALSE TRUE TRUE FALSE FALSE
## 16 16 Luisa F FALSE FALSE FALSE FALSE FALSE FALSE
## 17 17 Lupita F TRUE TRUE FALSE FALSE FALSE FALSE
## 18 18 Margarita F FALSE TRUE FALSE TRUE FALSE FALSE
## 20 20 Maria F FALSE TRUE FALSE FALSE FALSE FALSE
## 24 24 Patricia F TRUE FALSE FALSE TRUE FALSE FALSE
## 25 25 Paty F TRUE TRUE FALSE FALSE FALSE FALSE
## 28 28 Rosario F FALSE FALSE FALSE FALSE FALSE FALSE
## 31 31 Sandra F FALSE FALSE FALSE FALSE FALSE FALSE
## 34 34 Yuri F TRUE FALSE FALSE FALSE FALSE FALSE
## 36 36 Angélica F TRUE TRUE TRUE FALSE FALSE FALSE
## 38 38 Bety F TRUE TRUE FALSE FALSE FALSE FALSE
## 41 41 Dany F TRUE TRUE FALSE FALSE FALSE FALSE
## 42 42 Dalia F TRUE FALSE FALSE FALSE FALSE FALSE
## 44 44 Ernestina F TRUE FALSE TRUE FALSE TRUE FALSE
## 47 47 Fernanda F FALSE FALSE FALSE FALSE FALSE FALSE
## 48 48 Gabriela F FALSE FALSE FALSE FALSE FALSE FALSE
## 50 50 Guille F TRUE FALSE FALSE FALSE TRUE FALSE
## 53 53 Mikaela F FALSE TRUE FALSE FALSE FALSE FALSE
## 55 55 Marcela F FALSE FALSE FALSE TRUE FALSE FALSE
## 57 57 Otilia F TRUE FALSE FALSE TRUE FALSE FALSE
## 59 59 Perla F FALSE FALSE FALSE FALSE FALSE FALSE
## 60 60 Raquel F TRUE TRUE FALSE FALSE FALSE FALSE
## 61 61 Susana F FALSE FALSE FALSE FALSE FALSE FALSE
## 62 62 Sandy F FALSE TRUE FALSE FALSE FALSE FALSE
## 65 65 Teresa F FALSE FALSE FALSE FALSE FALSE FALSE
## 66 66 Walter F TRUE TRUE FALSE FALSE FALSE FALSE
## 67 67 Xóchitl F FALSE TRUE TRUE TRUE TRUE FALSEtable(datos$sexo)##
## F M
## 33 34round(prop.table(table(datos$sexo)),4)##
## F M
## 0.4925 0.5075round(prop.table(table(datos$sexo)),4) * 100##
## F M
## 49.25 50.75futbol <- subset(datos, futbol == TRUE)
futbol## X nombres sexo futbol basquetbol voleybol atletismo ajedrez tenis
## 5 5 Eduardo M TRUE FALSE FALSE FALSE FALSE FALSE
## 8 8 Gerardo M TRUE FALSE TRUE FALSE FALSE TRUE
## 11 11 Juan M TRUE FALSE FALSE TRUE FALSE FALSE
## 14 14 Lucy F TRUE FALSE TRUE TRUE FALSE FALSE
## 17 17 Lupita F TRUE TRUE FALSE FALSE FALSE FALSE
## 21 21 Memo M TRUE FALSE FALSE FALSE TRUE FALSE
## 23 23 Paco M TRUE FALSE TRUE FALSE TRUE FALSE
## 24 24 Patricia F TRUE FALSE FALSE TRUE FALSE FALSE
## 25 25 Paty F TRUE TRUE FALSE FALSE FALSE FALSE
## 26 26 Raul M TRUE FALSE FALSE FALSE FALSE FALSE
## 27 27 Romualdo M TRUE FALSE FALSE FALSE FALSE FALSE
## 29 29 Rubén M TRUE FALSE FALSE FALSE FALSE FALSE
## 30 30 Salvador M TRUE FALSE FALSE TRUE FALSE FALSE
## 33 33 Saul M TRUE FALSE TRUE FALSE FALSE FALSE
## 34 34 Yuri F TRUE FALSE FALSE FALSE FALSE FALSE
## 36 36 Angélica F TRUE TRUE TRUE FALSE FALSE FALSE
## 38 38 Bety F TRUE TRUE FALSE FALSE FALSE FALSE
## 39 39 Carlos M TRUE FALSE FALSE FALSE FALSE FALSE
## 41 41 Dany F TRUE TRUE FALSE FALSE FALSE FALSE
## 42 42 Dalia F TRUE FALSE FALSE FALSE FALSE FALSE
## 43 43 Efren M TRUE FALSE FALSE TRUE FALSE FALSE
## 44 44 Ernestina F TRUE FALSE TRUE FALSE TRUE FALSE
## 45 45 Fernando M TRUE FALSE FALSE TRUE FALSE FALSE
## 49 49 Gabriel M TRUE FALSE FALSE FALSE FALSE FALSE
## 50 50 Guille F TRUE FALSE FALSE FALSE TRUE FALSE
## 51 51 Jorge M TRUE TRUE FALSE FALSE FALSE FALSE
## 52 52 Lorenzo M TRUE FALSE TRUE FALSE FALSE FALSE
## 54 54 Miguel M TRUE TRUE FALSE FALSE FALSE FALSE
## 56 56 Orlando M TRUE FALSE FALSE FALSE FALSE FALSE
## 57 57 Otilia F TRUE FALSE FALSE TRUE FALSE FALSE
## 58 58 Pedro M TRUE TRUE FALSE FALSE FALSE FALSE
## 60 60 Raquel F TRUE TRUE FALSE FALSE FALSE FALSE
## 66 66 Walter F TRUE TRUE FALSE FALSE FALSE FALSEtable(datos$futbol)##
## FALSE TRUE
## 34 33round(prop.table(table(datos$futbol)),4)##
## FALSE TRUE
## 0.5075 0.4925round(prop.table(table(datos$futbol)),4) * 100##
## FALSE TRUE
## 50.75 49.25basquetbol <- subset(datos, basquetbol == TRUE)
basquetbol## X nombres sexo futbol basquetbol voleybol atletismo ajedrez tenis
## 4 4 Carmen F FALSE TRUE FALSE FALSE FALSE FALSE
## 6 6 Ernesto M FALSE TRUE FALSE FALSE FALSE FALSE
## 7 7 Gabino M FALSE TRUE FALSE FALSE FALSE FALSE
## 9 9 Javier M FALSE TRUE FALSE FALSE FALSE FALSE
## 10 10 Jeorgina F FALSE TRUE FALSE FALSE FALSE FALSE
## 13 13 Laura F FALSE TRUE FALSE FALSE FALSE FALSE
## 17 17 Lupita F TRUE TRUE FALSE FALSE FALSE FALSE
## 18 18 Margarita F FALSE TRUE FALSE TRUE FALSE FALSE
## 20 20 Maria F FALSE TRUE FALSE FALSE FALSE FALSE
## 25 25 Paty F TRUE TRUE FALSE FALSE FALSE FALSE
## 36 36 Angélica F TRUE TRUE TRUE FALSE FALSE FALSE
## 38 38 Bety F TRUE TRUE FALSE FALSE FALSE FALSE
## 41 41 Dany F TRUE TRUE FALSE FALSE FALSE FALSE
## 46 46 Fabián M FALSE TRUE TRUE FALSE FALSE FALSE
## 51 51 Jorge M TRUE TRUE FALSE FALSE FALSE FALSE
## 53 53 Mikaela F FALSE TRUE FALSE FALSE FALSE FALSE
## 54 54 Miguel M TRUE TRUE FALSE FALSE FALSE FALSE
## 58 58 Pedro M TRUE TRUE FALSE FALSE FALSE FALSE
## 60 60 Raquel F TRUE TRUE FALSE FALSE FALSE FALSE
## 62 62 Sandy F FALSE TRUE FALSE FALSE FALSE FALSE
## 66 66 Walter F TRUE TRUE FALSE FALSE FALSE FALSE
## 67 67 Xóchitl F FALSE TRUE TRUE TRUE TRUE FALSEtable(datos$basquetbol )##
## FALSE TRUE
## 45 22round(prop.table(table(datos$basquetbol )),4)##
## FALSE TRUE
## 0.6716 0.3284round(prop.table(table(datos$basquetbol )),4) * 100##
## FALSE TRUE
## 67.16 32.84voleybol <- subset(datos, voleybol == TRUE)
voleybol## X nombres sexo futbol basquetbol voleybol atletismo ajedrez tenis
## 8 8 Gerardo M TRUE FALSE TRUE FALSE FALSE TRUE
## 12 12 Lalo M FALSE FALSE TRUE FALSE FALSE FALSE
## 14 14 Lucy F TRUE FALSE TRUE TRUE FALSE FALSE
## 15 15 Luis M FALSE FALSE TRUE FALSE FALSE FALSE
## 23 23 Paco M TRUE FALSE TRUE FALSE TRUE FALSE
## 33 33 Saul M TRUE FALSE TRUE FALSE FALSE FALSE
## 36 36 Angélica F TRUE TRUE TRUE FALSE FALSE FALSE
## 37 37 Arnulfo M FALSE FALSE TRUE FALSE FALSE FALSE
## 40 40 Dagoberto M FALSE FALSE TRUE FALSE FALSE FALSE
## 44 44 Ernestina F TRUE FALSE TRUE FALSE TRUE FALSE
## 46 46 Fabián M FALSE TRUE TRUE FALSE FALSE FALSE
## 52 52 Lorenzo M TRUE FALSE TRUE FALSE FALSE FALSE
## 63 63 Sotelo M FALSE FALSE TRUE TRUE FALSE FALSE
## 67 67 Xóchitl F FALSE TRUE TRUE TRUE TRUE FALSEtable(datos$voleybol)##
## FALSE TRUE
## 53 14round(prop.table(table(datos$voleybol )),4)##
## FALSE TRUE
## 0.791 0.209round(prop.table(table(datos$voleybol )),4) * 100##
## FALSE TRUE
## 79.1 20.9atletismo <- subset(datos, atletismo == TRUE)
atletismo ## X nombres sexo futbol basquetbol voleybol atletismo ajedrez tenis
## 11 11 Juan M TRUE FALSE FALSE TRUE FALSE FALSE
## 14 14 Lucy F TRUE FALSE TRUE TRUE FALSE FALSE
## 18 18 Margarita F FALSE TRUE FALSE TRUE FALSE FALSE
## 24 24 Patricia F TRUE FALSE FALSE TRUE FALSE FALSE
## 30 30 Salvador M TRUE FALSE FALSE TRUE FALSE FALSE
## 43 43 Efren M TRUE FALSE FALSE TRUE FALSE FALSE
## 45 45 Fernando M TRUE FALSE FALSE TRUE FALSE FALSE
## 55 55 Marcela F FALSE FALSE FALSE TRUE FALSE FALSE
## 57 57 Otilia F TRUE FALSE FALSE TRUE FALSE FALSE
## 63 63 Sotelo M FALSE FALSE TRUE TRUE FALSE FALSE
## 64 64 Tiburcio M FALSE FALSE FALSE TRUE FALSE FALSE
## 67 67 Xóchitl F FALSE TRUE TRUE TRUE TRUE FALSEtable(datos$atletismo)##
## FALSE TRUE
## 55 12round(prop.table(table(datos$atletismo )),4)##
## FALSE TRUE
## 0.8209 0.1791round(prop.table(table(datos$atletismo )),4) * 100##
## FALSE TRUE
## 82.09 17.91tenis <- subset(datos, tenis == TRUE)
tenis ## X nombres sexo futbol basquetbol voleybol atletismo ajedrez tenis
## 3 3 Aracely F FALSE FALSE FALSE FALSE FALSE TRUE
## 8 8 Gerardo M TRUE FALSE TRUE FALSE FALSE TRUE
## 19 19 Margarito M FALSE FALSE FALSE FALSE FALSE TRUE
## 32 32 Sandro M FALSE FALSE FALSE FALSE FALSE TRUEtable(datos$tenis)##
## FALSE TRUE
## 63 4round(prop.table(table(datos$tenis )),4)##
## FALSE TRUE
## 0.9403 0.0597round(prop.table(table(datos$tenis )),4) * 100##
## FALSE TRUE
## 94.03 5.97ajedrez <- subset(datos, ajedrez == TRUE)
ajedrez## X nombres sexo futbol basquetbol voleybol atletismo ajedrez tenis
## 21 21 Memo M TRUE FALSE FALSE FALSE TRUE FALSE
## 23 23 Paco M TRUE FALSE TRUE FALSE TRUE FALSE
## 44 44 Ernestina F TRUE FALSE TRUE FALSE TRUE FALSE
## 50 50 Guille F TRUE FALSE FALSE FALSE TRUE FALSE
## 67 67 Xóchitl F FALSE TRUE TRUE TRUE TRUE FALSEtable(datos$ajedrez)##
## FALSE TRUE
## 62 5round(prop.table(table(datos$ajedrez)),4)##
## FALSE TRUE
## 0.9254 0.0746round(prop.table(table(datos$ajedrez )),4) * 100##
## FALSE TRUE
## 92.54 7.46futUbas <- union(futbol$nombres, basquetbol$nombres)
futUbas## [1] "Eduardo" "Gerardo" "Juan" "Lucy" "Lupita" "Memo"
## [7] "Paco" "Patricia" "Paty" "Raul" "Romualdo" "Rubén"
## [13] "Salvador" "Saul" "Yuri" "Angélica" "Bety" "Carlos"
## [19] "Dany" "Dalia" "Efren" "Ernestina" "Fernando" "Gabriel"
## [25] "Guille" "Jorge" "Lorenzo" "Miguel" "Orlando" "Otilia"
## [31] "Pedro" "Raquel" "Walter" "Carmen" "Ernesto" "Gabino"
## [37] "Javier" "Jeorgina" "Laura" "Margarita" "Maria" "Fabián"
## [43] "Mikaela" "Sandy" "Xóchitl"cat("Hay ", length(futUbas), " alumnos que juegan fútbol o basquetbol de un total de ",n)## Hay 45 alumnos que juegan fútbol o basquetbol de un total de 67prob.futUbas <- length(futUbas) / n
cat("* ¿Cuál es la probabilidad de que existan alumnos que jueguen fútbol o basquetbol?
", prob.futUbas)## * ¿Cuál es la probabilidad de que existan alumnos que jueguen fútbol o basquetbol?
## 0.6716418futIbas <- intersect(futbol$nombres, basquetbol$nombres)
futIbas## [1] "Lupita" "Paty" "Angélica" "Bety" "Dany" "Jorge"
## [7] "Miguel" "Pedro" "Raquel" "Walter"cat("Hay ", length(futIbas), " alumnos que juegan fútbol y que también juegan basquetbol de un total de ",n)## Hay 10 alumnos que juegan fútbol y que también juegan basquetbol de un total de 67prob.futIbas <- length(futIbas) / n
cat("¿Cuántos alumnos hay que juegan fútbol y basquetbol?", prob.futIbas)## ¿Cuántos alumnos hay que juegan fútbol y basquetbol? 0.1492537prob.futbol <- prop.table(table(datos$futbol))
prob.basquetbol <- prop.table(table(datos$basquetbol))
prob.futbol <- prob.futbol[2]
prob.basquetbol <- prob.basquetbol[2]
prob.futbol## TRUE
## 0.4925373prob.basquetbol## TRUE
## 0.3283582as.numeric(prob.futbol)## [1] 0.4925373as.numeric(prob.basquetbol)## [1] 0.3283582as.numeric(prob.futUbas)## [1] 0.6716418prob.futUbas <- as.numeric(prob.futbol) + as.numeric(prob.basquetbol) - as.numeric(prob.futUbas)
prob.futUbas## [1] 0.1492537cat("* ¿Cuál es la probabilidad de que existan alumnos que jueguen fútbol o basquetbol?
", prob.futUbas)## * ¿Cuál es la probabilidad de que existan alumnos que jueguen fútbol o basquetbol?
## 0.1492537tenUaje <- union(tenis$nombres, ajedrez$nombres)
tenUaje## [1] "Aracely" "Gerardo" "Margarito" "Sandro" "Memo" "Paco"
## [7] "Ernestina" "Guille" "Xóchitl"cat("Hay ", length(tenUaje), " alumnos que juegan tenis o ajedrez de un total de ",n)## Hay 9 alumnos que juegan tenis o ajedrez de un total de 67prob.tenUaje <- length(tenUaje) / n
cat("* ¿Cuál es la probabilidad de que existan alumnos que jueguen tenis o ajedrez?
", prob.tenUaje)## * ¿Cuál es la probabilidad de que existan alumnos que jueguen tenis o ajedrez?
## 0.1343284tenIaje <- intersect(tenis$nombres, ajedrez$nombres)
tenIaje## character(0)cat("Hay ", length(tenIaje), " alumnos que juegan tenis y que también juegan ajedrez de un total de ",n)## Hay 0 alumnos que juegan tenis y que también juegan ajedrez de un total de 67prob.tenIaje <- length(tenIaje) / n
cat("¿Cuántos alumnos hay que juegan tenis y ajedrez?", prob.futIbas)## ¿Cuántos alumnos hay que juegan tenis y ajedrez? 0.1492537prob.tenis <- prop.table(table(datos$tenis))
prob.ajedrez <- prop.table(table(datos$ajedrez))
prob.tenis <- prob.tenis[2]
prob.ajedrez <- prob.ajedrez[2]
prob.tenis## TRUE
## 0.05970149prob.ajedrez## TRUE
## 0.07462687as.numeric(prob.tenis)## [1] 0.05970149as.numeric(prob.ajedrez)## [1] 0.07462687as.numeric(prob.tenIaje)## [1] 0prob.tenUaje <- as.numeric(prob.tenis) + as.numeric(prob.ajedrez) - as.numeric(prob.tenIaje)
prob.tenUaje## [1] 0.1343284cat("* ¿Cuál es la probabilidad de que existan alumnos que jueguen tenis o ajedrez?
", prob.tenUaje)## * ¿Cuál es la probabilidad de que existan alumnos que jueguen tenis o ajedrez?
## 0.1343284atleUvol <- union(atletismo$nombres, voleybol$nombres)
atleUvol## [1] "Juan" "Lucy" "Margarita" "Patricia" "Salvador" "Efren"
## [7] "Fernando" "Marcela" "Otilia" "Sotelo" "Tiburcio" "Xóchitl"
## [13] "Gerardo" "Lalo" "Luis" "Paco" "Saul" "Angélica"
## [19] "Arnulfo" "Dagoberto" "Ernestina" "Fabián" "Lorenzo"cat("Hay ", length(atleUvol), " alumnos que juegan atletismo o voleybol de un total de ",n)## Hay 23 alumnos que juegan atletismo o voleybol de un total de 67prob.atleUvol <- length(atleUvol) / n
cat("* ¿Cuál es la probabilidad de que existan alumnos que jueguen atletismo o voleybol?
", prob.atleUvol)## * ¿Cuál es la probabilidad de que existan alumnos que jueguen atletismo o voleybol?
## 0.3432836atleIvol <- intersect(atletismo$nombres, voleybol$nombres)
atleIvol## [1] "Lucy" "Sotelo" "Xóchitl"cat("Hay ", length(atleIvol), " alumnos que juegan atletismo y que también juegan voleybol de un total de ",n)## Hay 3 alumnos que juegan atletismo y que también juegan voleybol de un total de 67prob.atleIvol <- length(atleIvol) / n
cat("¿Cuántos alumnos hay que juegan atletismo y voleybol?", prob.atleIvol)## ¿Cuántos alumnos hay que juegan atletismo y voleybol? 0.04477612prob.atletismo <- prop.table(table(datos$atletismo))
prob.voleybol <- prop.table(table(datos$voleybol))
prob.atletismo <- prob.atletismo[2]
prob.voleybol <- prob.voleybol[2]
prob.atletismo## TRUE
## 0.1791045prob.voleybol## TRUE
## 0.2089552as.numeric(prob.atletismo)## [1] 0.1791045as.numeric(prob.voleybol)## [1] 0.2089552as.numeric(prob.atleIvol)## [1] 0.04477612prob.atleUvol <- as.numeric(prob.atletismo) + as.numeric(prob.voleybol) - as.numeric(prob.atleIvol)
prob.atleUvol## [1] 0.3432836cat("* ¿Cuál es la probabilidad de que existan alumnos que jueguen atletismo o voleybol?
", prob.atleUvol)## * ¿Cuál es la probabilidad de que existan alumnos que jueguen atletismo o voleybol?
## 0.3432836volUfut <- union(voleybol$nombres, futbol$nombres)
volUfut## [1] "Gerardo" "Lalo" "Lucy" "Luis" "Paco" "Saul"
## [7] "Angélica" "Arnulfo" "Dagoberto" "Ernestina" "Fabián" "Lorenzo"
## [13] "Sotelo" "Xóchitl" "Eduardo" "Juan" "Lupita" "Memo"
## [19] "Patricia" "Paty" "Raul" "Romualdo" "Rubén" "Salvador"
## [25] "Yuri" "Bety" "Carlos" "Dany" "Dalia" "Efren"
## [31] "Fernando" "Gabriel" "Guille" "Jorge" "Miguel" "Orlando"
## [37] "Otilia" "Pedro" "Raquel" "Walter"cat("Hay ", length(volUfut), " alumnos que juegan voleybol o futbol de un total de ",n)## Hay 40 alumnos que juegan voleybol o futbol de un total de 67prob.volUfut <- length(volUfut) / n
cat("* ¿Cuál es la probabilidad de que existan alumnos que jueguen fútbol o basquetbol?
", prob.volUfut)## * ¿Cuál es la probabilidad de que existan alumnos que jueguen fútbol o basquetbol?
## 0.5970149volIfut <- intersect(voleybol$nombres, futbol$nombres)
volIfut## [1] "Gerardo" "Lucy" "Paco" "Saul" "Angélica" "Ernestina"
## [7] "Lorenzo"cat("Hay ", length(volIfut), " alumnos que juegan voleybol y que también juegan futbol de un total de ",n)## Hay 7 alumnos que juegan voleybol y que también juegan futbol de un total de 67prob.volIfut <- length(volIfut) / n
cat("¿Cuántos alumnos hay que juegan fútbol y basquetbol?", prob.volIfut)## ¿Cuántos alumnos hay que juegan fútbol y basquetbol? 0.1044776prob.futbol <- prop.table(table(datos$futbol))
prob.voleybol <- prop.table(table(datos$voleybol))
prob.futbol <- prob.futbol[2]
prob.voleybol <- prob.voleybol[2]
prob.futbol## TRUE
## 0.4925373prob.voleybol## TRUE
## 0.2089552as.numeric(prob.futbol)## [1] 0.4925373as.numeric(prob.voleybol)## [1] 0.2089552as.numeric(prob.volIfut)## [1] 0.1044776prob.volUfut <- as.numeric(prob.futbol) + as.numeric(prob.voleybol) - as.numeric(prob.volIfut)
prob.volUfut## [1] 0.5970149cat("* ¿Cuál es la probabilidad de que existan alumnos que jueguen voleybol o futbol ?
", prob.volUfut)## * ¿Cuál es la probabilidad de que existan alumnos que jueguen voleybol o futbol ?
## 0.5970149basUvol <- union(voleybol$nombres, basquetbol$nombres)
basUvol## [1] "Gerardo" "Lalo" "Lucy" "Luis" "Paco" "Saul"
## [7] "Angélica" "Arnulfo" "Dagoberto" "Ernestina" "Fabián" "Lorenzo"
## [13] "Sotelo" "Xóchitl" "Carmen" "Ernesto" "Gabino" "Javier"
## [19] "Jeorgina" "Laura" "Lupita" "Margarita" "Maria" "Paty"
## [25] "Bety" "Dany" "Jorge" "Mikaela" "Miguel" "Pedro"
## [31] "Raquel" "Sandy" "Walter"cat("Hay ", length(basUvol), " alumnos que juegan basquetbol o voleybol de un total de ",n)## Hay 33 alumnos que juegan basquetbol o voleybol de un total de 67prob.basUvol <- length(basUvol) / n
cat("* ¿Cuál es la probabilidad de que existan alumnos que jueguen basquetbol o voleybol?
", prob.basUvol)## * ¿Cuál es la probabilidad de que existan alumnos que jueguen basquetbol o voleybol?
## 0.4925373basIvol <- intersect(voleybol$nombres, basquetbol$nombres)
basIvol## [1] "Angélica" "Fabián" "Xóchitl"cat("Hay ", length(basIvol), " alumnos que juegan basquetbol y que también juegan voleybol de un total de ",n)## Hay 3 alumnos que juegan basquetbol y que también juegan voleybol de un total de 67prob.basIvol <- length(basIvol) / n
cat("¿Cuántos alumnos hay que juegan basquetbol y voleybol?", prob.basIvol)## ¿Cuántos alumnos hay que juegan basquetbol y voleybol? 0.04477612prob.basquetbol <- prop.table(table(datos$basquetbol))
prob.voleybol <- prop.table(table(datos$voleybol))
prob.basquetbol <- prob.basquetbol[2]
prob.voleybol <- prob.voleybol[2]
prob.basquetbol## TRUE
## 0.3283582prob.voleybol## TRUE
## 0.2089552as.numeric(prob.basquetbol)## [1] 0.3283582as.numeric(prob.voleybol)## [1] 0.2089552as.numeric(prob.basIvol)## [1] 0.04477612prob.basUvol <- as.numeric(prob.basquetbol) + as.numeric(prob.voleybol) - as.numeric(prob.basIvol)
prob.basUvol## [1] 0.4925373cat("* ¿Cuál es la probabilidad de que existan alumnos que jueguen basquetbol o voleybol ?
", prob.basUvol)## * ¿Cuál es la probabilidad de que existan alumnos que jueguen basquetbol o voleybol ?
## 0.4925373#Tablas cruzadas ##futbol y basquetbol
table(datos$futbol, datos$basquetbol)##
## FALSE TRUE
## FALSE 22 12
## TRUE 23 10tabla.cruzada <- table(datos$futbol, datos$basquetbol, dnn = c('fútbol','basquetbol'))
tabla.cruzada## basquetbol
## fútbol FALSE TRUE
## FALSE 22 12
## TRUE 23 10tabla.cruzada.s <- rbind(tabla.cruzada, apply(tabla.cruzada,2,sum))
tabla.cruzada.s <- cbind(tabla.cruzada.s, apply(tabla.cruzada.s,1,sum))
tabla.cruzada.s## FALSE TRUE
## FALSE 22 12 34
## TRUE 23 10 33
## 45 22 67prob.tabla.cruzada <- round(prop.table(table(datos$futbol, datos$basquetbol, dnn = c('fútbol','basquetbol'))),4)
prob.tabla.cruzada## basquetbol
## fútbol FALSE TRUE
## FALSE 0.3284 0.1791
## TRUE 0.3433 0.1493prob.tabla.cruzada <- rbind(prob.tabla.cruzada,apply(prob.tabla.cruzada,2,sum))
prob.tabla.cruzada <- cbind(prob.tabla.cruzada, apply(prob.tabla.cruzada,1,sum))
prob.tabla.cruzada## FALSE TRUE
## FALSE 0.3284 0.1791 0.5075
## TRUE 0.3433 0.1493 0.4926
## 0.6717 0.3284 1.0001table(datos$tenis, datos$ajedrez)##
## FALSE TRUE
## FALSE 58 5
## TRUE 4 0tabla.cruzada <- table(datos$tenis, datos$ajedrez, dnn = c('tenis','ajedrez'))
tabla.cruzada## ajedrez
## tenis FALSE TRUE
## FALSE 58 5
## TRUE 4 0tabla.cruzada.s <- rbind(tabla.cruzada, apply(tabla.cruzada,2,sum))
tabla.cruzada.s <- cbind(tabla.cruzada.s, apply(tabla.cruzada.s,1,sum))
tabla.cruzada.s## FALSE TRUE
## FALSE 58 5 63
## TRUE 4 0 4
## 62 5 67prob.tabla.cruzada <- round(prop.table(table(datos$tenis, datos$ajedrez, dnn = c('tenis','ajedrez'))),4)
prob.tabla.cruzada## ajedrez
## tenis FALSE TRUE
## FALSE 0.8657 0.0746
## TRUE 0.0597 0.0000prob.tabla.cruzada <- rbind(prob.tabla.cruzada,apply(prob.tabla.cruzada,2,sum))
prob.tabla.cruzada <- cbind(prob.tabla.cruzada, apply(prob.tabla.cruzada,1,sum))
prob.tabla.cruzada## FALSE TRUE
## FALSE 0.8657 0.0746 0.9403
## TRUE 0.0597 0.0000 0.0597
## 0.9254 0.0746 1.0000table(datos$atletismo, datos$voleybol)##
## FALSE TRUE
## FALSE 44 11
## TRUE 9 3tabla.cruzada <- table(datos$atletismo, datos$voleybol, dnn = c('atletismo','voleybol '))
tabla.cruzada## voleybol
## atletismo FALSE TRUE
## FALSE 44 11
## TRUE 9 3tabla.cruzada.s <- rbind(tabla.cruzada, apply(tabla.cruzada,2,sum))
tabla.cruzada.s <- cbind(tabla.cruzada.s, apply(tabla.cruzada.s,1,sum))
tabla.cruzada.s## FALSE TRUE
## FALSE 44 11 55
## TRUE 9 3 12
## 53 14 67prob.tabla.cruzada <- round(prop.table(table(datos$atletismo, datos$voleybol, dnn = c('atletismo','voleybol'))),4)
prob.tabla.cruzada## voleybol
## atletismo FALSE TRUE
## FALSE 0.6567 0.1642
## TRUE 0.1343 0.0448prob.tabla.cruzada <- rbind(prob.tabla.cruzada,apply(prob.tabla.cruzada,2,sum))
prob.tabla.cruzada <- cbind(prob.tabla.cruzada, apply(prob.tabla.cruzada,1,sum))
prob.tabla.cruzada## FALSE TRUE
## FALSE 0.6567 0.1642 0.8209
## TRUE 0.1343 0.0448 0.1791
## 0.7910 0.2090 1.0000table(datos$voleybol, datos$futbol)##
## FALSE TRUE
## FALSE 27 26
## TRUE 7 7tabla.cruzada <- table(datos$voleybol, datos$futbol, dnn = c('voleybol','futbol '))
tabla.cruzada## futbol
## voleybol FALSE TRUE
## FALSE 27 26
## TRUE 7 7tabla.cruzada.s <- rbind(tabla.cruzada, apply(tabla.cruzada,2,sum))
tabla.cruzada.s <- cbind(tabla.cruzada.s, apply(tabla.cruzada.s,1,sum))
tabla.cruzada.s## FALSE TRUE
## FALSE 27 26 53
## TRUE 7 7 14
## 34 33 67prob.tabla.cruzada <- round(prop.table(table(datos$voleybol, datos$futbol, dnn = c('voleybol','futbol'))),4)
prob.tabla.cruzada## futbol
## voleybol FALSE TRUE
## FALSE 0.4030 0.3881
## TRUE 0.1045 0.1045prob.tabla.cruzada <- rbind(prob.tabla.cruzada,apply(prob.tabla.cruzada,2,sum))
prob.tabla.cruzada <- cbind(prob.tabla.cruzada, apply(prob.tabla.cruzada,1,sum))
prob.tabla.cruzada## FALSE TRUE
## FALSE 0.4030 0.3881 0.7911
## TRUE 0.1045 0.1045 0.2090
## 0.5075 0.4926 1.0001table(datos$basquetbol, datos$voleybol)##
## FALSE TRUE
## FALSE 34 11
## TRUE 19 3tabla.cruzada <- table(datos$basquetbol, datos$voleybol, dnn = c('basquetbol','voleybol '))
tabla.cruzada## voleybol
## basquetbol FALSE TRUE
## FALSE 34 11
## TRUE 19 3tabla.cruzada.s <- rbind(tabla.cruzada, apply(tabla.cruzada,2,sum))
tabla.cruzada.s <- cbind(tabla.cruzada.s, apply(tabla.cruzada.s,1,sum))
tabla.cruzada.s## FALSE TRUE
## FALSE 34 11 45
## TRUE 19 3 22
## 53 14 67prob.tabla.cruzada <- round(prop.table(table(datos$basquetbol, datos$voleybol, dnn = c('basquetbol','voleybol'))),4)
prob.tabla.cruzada## voleybol
## basquetbol FALSE TRUE
## FALSE 0.5075 0.1642
## TRUE 0.2836 0.0448prob.tabla.cruzada <- rbind(prob.tabla.cruzada,apply(prob.tabla.cruzada,2,sum))
prob.tabla.cruzada <- cbind(prob.tabla.cruzada, apply(prob.tabla.cruzada,1,sum))
prob.tabla.cruzada## FALSE TRUE
## FALSE 0.5075 0.1642 0.6717
## TRUE 0.2836 0.0448 0.3284
## 0.7911 0.2090 1.0001
Lo que aprendí en esta practica es que Rstudio tiene muchas ventajas para la probabilidad y estadística, ya que permite realizar las funciones casi de manera automática comparándola con la tradicional, sin embargo la practica básicamente consistía en sacar las uniones de los conjuntos mediante la formula preestablecida en la plataforma Rstudio y sacarla de la forma tradicional, es decir sacando las probabilidades del conjunto A y del B a esto le restamos la probabilidad de la unión de A con B, es decir la ley de la adición. Y también fue lo mismo con respecto a las tablas cruzadas que en mi opinión están un poco confusas, pero sin embargo te muestran la información resumida de las frecuencias relativas.