# Se filtra por tamaño de motor y tipo de combustible
rend_fer <- rend_clean %>%
  filter(CLASS != "0",
         `ENGINE SIZE (L)` < 2 & 
           `FUEL TYPE` != "Z")

# Se calcula la media de consumo combinado
media_consumo <- mean(rend_fer$`CONSUMPTION  COMBINED (L/100 KM)`)

# Se hace el histograma antes de filtrar por la media
p1 <- rend_fer %>%
  ggplot() +
    geom_histogram(aes(`CONSUMPTION  COMBINED (L/100 KM)`), bins = 28, color = "orange", fill = "orange", alpha = 0.5) +
      geom_vline(aes(xintercept = media_consumo, color = "Media de\nconsumo\ncombinado"), linetype = "dashed", size = 1) +
  scale_x_continuous(breaks = scales::pretty_breaks(n = 5)) +
  scale_color_manual(name = "", values = c("Media de\nconsumo\ncombinado" = "black")) + 
  theme_minimal() +
  labs(title = "Consumo combinado de\nlos autos seleccionados",
       subtitle = glue::glue("n = {nrow(rend_fer)}"),
       x = "L/100 km",
       y = "Frecuencia")

# Se filtra por la media
rend_fer <- rend_fer %>%
  filter(`CONSUMPTION  COMBINED (L/100 KM)` <= media_consumo)

# Se hace el histograma después de filtrar por la media de consumo  
p2 <- rend_fer %>%
  ggplot() +
    geom_histogram(aes(`CONSUMPTION  COMBINED (L/100 KM)`), bins = 17, color = "blue", fill = "blue", alpha = 0.5) +
    geom_vline(aes(xintercept = as.numeric(rend_fer[which(rend_fer$`MAKE MODEL` == "CIVIC SEDAN"), "CONSUMPTION  COMBINED (L/100 KM)"]), color = "Civic\nSedan"), linetype = "dashed", size = 1) +
  scale_x_continuous(breaks = scales::pretty_breaks(n = 5)) +
  scale_color_manual(name = "", values = c("Civic\nSedan" = "green")) + 
  theme_minimal() +
  labs(title = "Consumo combinado de\nlos autos seleccionados\npor debajo de la media",
       subtitle = glue::glue("n = {nrow(rend_fer)}"),
       x = "L/100 km",
       y = "Frecuencia")

# Se grafica
ggpubr::ggarrange(p1, p2, ncol = 2)

datos_act <- tabulizer::extract_tables(here::here("./Actividad_cide.pdf"), output = "data.frame")
datos_act_raw <- datos_act[[2]]

# Se obtienen los valores únicos de la codificación
unique(datos_act_raw$sexo)

# Se reemplazan por H para hombre y M para mujer
for(i in 1:nrow(datos_act_raw)){
  if(datos_act_raw$sexo[i] %in% c("hombre" , "masculino", "mascuino", "Masculino")){
    datos_act_raw$sexo[i] <- "H"
  }
  if(datos_act_raw$sexo[i] %in% c("mujer" , "Femenino")){
    datos_act_raw$sexo[i] <- "M"
  }
  else {
    next
  }
}

salarios = data.frame(
  "Enfermeria" = c(7000, 8250),
  "obrero" = c(5050, 4574),
  "mtro" = c(6500, 7072),
  "abogado" = c(9750, 7719),
  "politico" = c(7800, 9000)
)

sal = function(prof, gen){
  if(gen == 'H'){g = 2}
  if(gen == 'M'){g = 1}
  p = match(prof, names(salarios))
  return(salarios[g,p])
}

for (i in 1:length(datos_act_raw$empleo)) {
  datos_act_raw$ingreso[i] = sal(datos_act_raw$empleo[i], datos_act_raw$sexo[i])
}

datos_act_peso <- datos_act_raw %>%
  filter(!is.na(peso))

y_peso <- as.matrix(datos_act_peso$peso) # y
x_altura <- as.matrix(datos_act_peso["altura"]) # X
t_x_altura <- t(x_altura) # matriz traspuesta X^t

# vector de estimaciones puntuales
b <- (solve(t_x_altura%*%x_altura))%*%(t_x_altura%*%y_peso)

# Se estima el peso en las observaciones donde se tiene NA 
peso_na <- which(is.na(datos_act_raw$peso))
datos_act_raw[peso_na, ]

for(i in which(is.na(datos_act_raw$peso))){
  datos_act_raw$peso[i] <- datos_act_raw$altura[i]*b
}

# función de probabilidad conjunta de X y Y
f_x_y <- function(x, n = 5, p = 0.5){
  
# Parámetros de Y|X
q <- 1 - p
n_y <- x + 1

# Marginal de X
f_x <- choose(n, x)*(p^x)*((1-p)^(n-x))
y <- c(0:n_y)

  # Bucle for para calcular los valores de y 
  f_y_cond_x <- c()
  for(i in y){
    f_y_cond_x <- c(f_y_cond_x, choose(n_y, i)*(q^n_y)*((1-q)^(n_y-i)))
  }

# Producto de la marginal de X y la condicional de Y|X
f_x * f_y_cond_x
}

x_vals <- c(0, 0, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5, 5, 5, 5)
y_vals <- c(0, 1, 0, 1, 2, 0, 1, 2, 3, 0, 1, 2, 3, 4, 0, 1, 2, 3, 4, 5, 0, 1, 2, 3, 4, 5, 6)
conjunta_x_y <- unlist(sapply(0:5, f_x_y))

tabla_conjunta_x_y <- data.frame(x = x_vals,
                           y = y_vals,
                           "P(X)*P(Y|X)" = conjunta_x_y)