#Una tienda de electrónica vende un modelo particular de computadora portátil. Hay sólo cuatro computadoras en existencia y la gerente se pregunta cuál será la demanda de hoy para este modelo particular. En el departamento de marketing de que la distribución de probabilidad para x, la demanda diaria para la laptop es como se muestra:
#Importar librerías
library(knitr)
## Warning: package 'knitr' was built under R version 3.6.3
#Determinar tabla de distribución
x <- c(0,1,2,3,4,5)
# x <- 0:5
prob.x <- c(0.10, 0.40, 0.20, 0.15, 0.10, 0.05)
#sum(prob.x)
prob.acum.x <- c(sum(prob.x[1]), sum(prob.x[1:2]), sum(prob.x[1:3]),
sum(prob.x[1:4]), sum(prob.x[1:5]), sum(prob.x[1:6]))
prob.acum.x
## [1] 0.10 0.50 0.70 0.85 0.95 1.00
#Determinar valor esperado
v.e <- sum(x * prob.x)
v.e
## [1] 1.9
#Gráfica de barra de la variable aleatoria x con respecto a su probabilidad
barplot(height = prob.x, names.arg = x)
#Graficar la probabilidad acumulada
plot(x,prob.acum.x, type = 'l')
#Determinar varianza
var <- sum((x - v.e) ^ 2 * prob.x)
var
## [1] 1.79
#Determinar desviación estandar
desv.std <- sqrt(var)
desv.std
## [1] 1.337909
#Visualizar tabla de distribución de probabilidad
tabla <- data.frame(x, prob.x, prob.acum.x, x * prob.x, (x - v.e) ^ 2, (x - v.e) ^ 2 * prob.x)
colnames(tabla) <- c("x", "prob.x", "prob.acum.x", "x.prob.x", "x-v.e^2", "x-v.e^2prob.x")
kable(tabla)
| 0 |
0.10 |
0.10 |
0.00 |
3.61 |
0.3610 |
| 1 |
0.40 |
0.50 |
0.40 |
0.81 |
0.3240 |
| 2 |
0.20 |
0.70 |
0.40 |
0.01 |
0.0020 |
| 3 |
0.15 |
0.85 |
0.45 |
1.21 |
0.1815 |
| 4 |
0.10 |
0.95 |
0.40 |
4.41 |
0.4410 |
| 5 |
0.05 |
1.00 |
0.25 |
9.61 |
0.4805 |