Actividad 3

Punto 1 - Simulación Resultado de la Suma del Lanzamiento de dos Dados

a. Crear una función sin entradas pero que simule el lanzamiento de dos dados legales y sume el resultado de ellos.

sim_lanza=function(){
  dado1=1:6
  dado2=1:6
  x=sample(dado1,1)+sample(dado2,1)
  return(x)
}

sim_lanza()

## [1] 7

b. Generalizar la función para que tenga como entrada el total de lanzamientos y cuente los resultados de una condición en particular. (ejemplo suma igual a 12).

Opción 1

simula_multi_lanza=function(nlanza,valor_condi){
  
  lanzamientos=array(NA,nlanza)
  for(i in 1:nlanza){
    lanzamientos[i]=sim_lanza()
  }
  
  return(sum(lanzamientos==valor_condi))
  
}

simula_multi_lanza(nlanza = 500,valor_condi = 12)

## [1] 19

Opción 2

sim_multi_lanza2=function(n_lanza,valor_condi){
  dado1=1:6
  dado2=1:6
  x=sample(dado1,size = n_lanza,replace = TRUE)+sample(dado2,size = n_lanza,replace = TRUE)
  return(sum(x==valor_condi))
}

sim_multi_lanza2(n_lanza = 500,valor_condi = 12)

## [1] 11

c. Con la función de b. compare los resultados de la simulación para 1000 lanzamientos con los resultados esperados de acuerdo a la probabilidad calculada con el total de combinaciones.

Probabilidad Teórica

dado1=1:6
dado2=1:6

espacio=expand.grid(dado1,dado2)
y=apply(espacio,1,sum)
data.frame(espacio,y)

Var1	Var2	y
1	1	2
2	1	3
3	1	4
4	1	5
5	1	6
6	1	7
1	2	3
2	2	4
3	2	5
4	2	6
5	2	7
6	2	8
1	3	4
2	3	5
3	3	6
4	3	7
5	3	8
6	3	9
1	4	5
2	4	6
3	4	7
4	4	8
5	4	9
6	4	10
1	5	6
2	5	7
3	5	8
4	5	9
5	5	10
6	5	11
1	6	7
2	6	8
3	6	9
4	6	10
5	6	11
6	6	12

prob_teorica=table(y)/36
prob_teorica

## y
##          2          3          4          5          6          7          8 
## 0.02777778 0.05555556 0.08333333 0.11111111 0.13888889 0.16666667 0.13888889 
##          9         10         11         12 
## 0.11111111 0.08333333 0.05555556 0.02777778

Gráfica de la probabilidad Teórica

plot(2:12,prob_teorica,type = "b")

Probabilidad calculada cuando el valor de la suma de los dados es 5 para mil lanzamientos

sim_multi_lanza2(n_lanza = 1000,valor_condi = 5)/1000

## [1] 0.114

El resultado de la probabilidad teórica es de 0.111 y el de la probabilidad calculada es de 0.106 quedando por debajo un 4.5%

Punto 2 - Simulación Concepto de Distribución Muestral (Caso proporciones)

a. Genere una población con una cantidad dada de 0 y 1.

Población de 1000 con 10% de números iguales a 1

pob=c(rep(x = 1,100),rep(x = 0,900))

pob

##    [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
##   [38] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
##   [75] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0
##  [112] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [149] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [186] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [223] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [260] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [297] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [334] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [371] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [408] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [445] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [482] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [519] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [556] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [593] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [630] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [667] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [704] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [741] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [778] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [815] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [852] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [889] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [926] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [963] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## [1000] 0

b. Crear una función que obtenga una muestra de esa población de a. y calcule el porcentaje de 1.

Creamos una muestra de tamaño igual a 200

sum(sample(pob,size = 200))/200

## [1] 0.14

c. Repita este proceso una cantidad (mas de 1000 veces) y guarde los porcentajes de cada iteración.

Opción 1

porcentajes_muestra=array(NA,1000)
for(i in 1:1000){
  pob=c(rep(x = 1,100),rep(x = 0,900))
  porcentajes_muestra[i]=sum(sample(pob,size = 200))/200
}

porcentajes_muestra

##    [1] 0.120 0.080 0.090 0.065 0.095 0.080 0.075 0.125 0.105 0.095 0.095 0.080
##   [13] 0.105 0.070 0.120 0.120 0.140 0.085 0.105 0.105 0.110 0.090 0.120 0.100
##   [25] 0.145 0.095 0.105 0.085 0.100 0.125 0.145 0.085 0.080 0.105 0.105 0.110
##   [37] 0.095 0.120 0.110 0.080 0.100 0.100 0.090 0.100 0.085 0.115 0.115 0.110
##   [49] 0.110 0.075 0.090 0.120 0.100 0.115 0.075 0.095 0.105 0.100 0.080 0.105
##   [61] 0.115 0.070 0.100 0.085 0.090 0.100 0.120 0.105 0.065 0.075 0.095 0.080
##   [73] 0.080 0.085 0.105 0.105 0.075 0.075 0.095 0.105 0.085 0.090 0.115 0.080
##   [85] 0.095 0.070 0.120 0.110 0.090 0.125 0.090 0.075 0.110 0.105 0.155 0.115
##   [97] 0.085 0.115 0.120 0.050 0.115 0.070 0.100 0.130 0.105 0.090 0.090 0.100
##  [109] 0.075 0.110 0.120 0.085 0.120 0.105 0.125 0.105 0.110 0.105 0.080 0.110
##  [121] 0.105 0.075 0.090 0.090 0.100 0.105 0.120 0.080 0.105 0.095 0.065 0.080
##  [133] 0.125 0.120 0.100 0.100 0.115 0.100 0.140 0.110 0.090 0.100 0.085 0.110
##  [145] 0.110 0.080 0.095 0.085 0.120 0.115 0.085 0.110 0.125 0.095 0.125 0.080
##  [157] 0.100 0.125 0.110 0.095 0.095 0.105 0.110 0.100 0.080 0.070 0.070 0.095
##  [169] 0.110 0.100 0.100 0.125 0.120 0.100 0.100 0.090 0.085 0.120 0.080 0.065
##  [181] 0.075 0.110 0.105 0.105 0.100 0.090 0.130 0.095 0.075 0.105 0.075 0.105
##  [193] 0.100 0.110 0.130 0.105 0.115 0.080 0.105 0.105 0.105 0.085 0.110 0.070
##  [205] 0.090 0.120 0.090 0.130 0.090 0.080 0.095 0.090 0.125 0.145 0.115 0.085
##  [217] 0.090 0.110 0.090 0.085 0.125 0.075 0.075 0.075 0.125 0.105 0.090 0.105
##  [229] 0.080 0.095 0.115 0.100 0.105 0.105 0.105 0.110 0.105 0.100 0.085 0.130
##  [241] 0.080 0.115 0.100 0.075 0.100 0.060 0.110 0.085 0.075 0.070 0.105 0.060
##  [253] 0.090 0.085 0.105 0.075 0.090 0.115 0.090 0.085 0.090 0.115 0.120 0.135
##  [265] 0.090 0.090 0.095 0.110 0.110 0.095 0.080 0.105 0.110 0.105 0.125 0.125
##  [277] 0.075 0.070 0.105 0.105 0.100 0.080 0.085 0.105 0.115 0.100 0.075 0.075
##  [289] 0.090 0.120 0.090 0.090 0.105 0.080 0.110 0.105 0.110 0.075 0.100 0.105
##  [301] 0.150 0.095 0.085 0.075 0.085 0.100 0.095 0.085 0.090 0.075 0.095 0.130
##  [313] 0.120 0.100 0.105 0.085 0.095 0.120 0.100 0.120 0.090 0.105 0.110 0.130
##  [325] 0.110 0.100 0.100 0.070 0.095 0.095 0.085 0.075 0.100 0.070 0.100 0.075
##  [337] 0.110 0.085 0.100 0.090 0.125 0.075 0.120 0.130 0.095 0.110 0.095 0.075
##  [349] 0.100 0.100 0.090 0.085 0.075 0.100 0.100 0.125 0.090 0.095 0.090 0.100
##  [361] 0.100 0.120 0.095 0.115 0.070 0.125 0.115 0.115 0.085 0.120 0.075 0.135
##  [373] 0.065 0.125 0.090 0.090 0.085 0.110 0.130 0.125 0.105 0.125 0.110 0.105
##  [385] 0.100 0.110 0.115 0.105 0.120 0.115 0.100 0.070 0.090 0.095 0.050 0.065
##  [397] 0.105 0.090 0.085 0.175 0.115 0.100 0.090 0.090 0.080 0.095 0.120 0.100
##  [409] 0.075 0.090 0.110 0.075 0.105 0.085 0.120 0.140 0.095 0.105 0.125 0.115
##  [421] 0.090 0.105 0.130 0.150 0.075 0.100 0.105 0.115 0.120 0.095 0.115 0.080
##  [433] 0.125 0.080 0.100 0.095 0.085 0.095 0.085 0.115 0.095 0.110 0.075 0.105
##  [445] 0.085 0.100 0.085 0.075 0.095 0.095 0.090 0.085 0.115 0.090 0.100 0.095
##  [457] 0.125 0.130 0.090 0.090 0.130 0.125 0.125 0.095 0.090 0.110 0.110 0.095
##  [469] 0.115 0.100 0.100 0.080 0.050 0.100 0.120 0.105 0.125 0.070 0.120 0.110
##  [481] 0.080 0.095 0.095 0.130 0.085 0.135 0.095 0.110 0.115 0.095 0.100 0.090
##  [493] 0.130 0.115 0.120 0.080 0.130 0.110 0.110 0.105 0.110 0.120 0.080 0.090
##  [505] 0.090 0.095 0.090 0.100 0.070 0.125 0.105 0.100 0.095 0.110 0.060 0.115
##  [517] 0.065 0.125 0.080 0.125 0.090 0.105 0.095 0.120 0.105 0.105 0.100 0.115
##  [529] 0.100 0.090 0.100 0.065 0.090 0.105 0.130 0.100 0.065 0.110 0.145 0.110
##  [541] 0.120 0.100 0.100 0.075 0.090 0.115 0.110 0.065 0.105 0.100 0.120 0.110
##  [553] 0.105 0.065 0.085 0.095 0.095 0.080 0.095 0.105 0.095 0.105 0.100 0.110
##  [565] 0.090 0.080 0.115 0.120 0.115 0.100 0.115 0.085 0.095 0.090 0.105 0.065
##  [577] 0.090 0.120 0.135 0.125 0.120 0.085 0.085 0.090 0.090 0.065 0.120 0.115
##  [589] 0.100 0.115 0.120 0.085 0.105 0.085 0.095 0.095 0.125 0.075 0.095 0.135
##  [601] 0.120 0.070 0.095 0.075 0.110 0.115 0.105 0.110 0.120 0.130 0.070 0.125
##  [613] 0.120 0.070 0.125 0.105 0.065 0.085 0.090 0.095 0.130 0.085 0.130 0.075
##  [625] 0.105 0.090 0.115 0.100 0.145 0.095 0.065 0.085 0.085 0.095 0.120 0.120
##  [637] 0.090 0.075 0.080 0.145 0.125 0.125 0.110 0.075 0.085 0.120 0.085 0.100
##  [649] 0.100 0.075 0.095 0.080 0.110 0.070 0.090 0.120 0.095 0.080 0.100 0.095
##  [661] 0.085 0.055 0.115 0.095 0.135 0.080 0.115 0.125 0.100 0.090 0.085 0.065
##  [673] 0.140 0.125 0.100 0.095 0.110 0.135 0.105 0.100 0.100 0.095 0.105 0.100
##  [685] 0.100 0.095 0.130 0.075 0.140 0.090 0.085 0.080 0.115 0.135 0.115 0.110
##  [697] 0.090 0.100 0.080 0.085 0.120 0.075 0.075 0.130 0.065 0.095 0.065 0.105
##  [709] 0.115 0.090 0.085 0.110 0.070 0.115 0.105 0.110 0.075 0.085 0.085 0.075
##  [721] 0.065 0.085 0.115 0.120 0.135 0.140 0.125 0.125 0.070 0.120 0.095 0.090
##  [733] 0.090 0.110 0.155 0.100 0.130 0.125 0.100 0.125 0.075 0.060 0.115 0.100
##  [745] 0.105 0.100 0.120 0.080 0.120 0.115 0.120 0.085 0.090 0.115 0.070 0.110
##  [757] 0.080 0.090 0.090 0.120 0.090 0.105 0.115 0.085 0.085 0.120 0.080 0.100
##  [769] 0.105 0.085 0.070 0.090 0.130 0.090 0.085 0.110 0.085 0.140 0.085 0.090
##  [781] 0.080 0.085 0.105 0.090 0.130 0.115 0.110 0.085 0.090 0.110 0.090 0.140
##  [793] 0.100 0.070 0.075 0.095 0.080 0.075 0.100 0.115 0.070 0.065 0.100 0.110
##  [805] 0.095 0.130 0.110 0.095 0.120 0.095 0.135 0.100 0.110 0.100 0.070 0.090
##  [817] 0.080 0.085 0.115 0.080 0.080 0.125 0.085 0.080 0.055 0.090 0.100 0.115
##  [829] 0.090 0.150 0.120 0.065 0.085 0.080 0.090 0.115 0.050 0.110 0.115 0.135
##  [841] 0.090 0.075 0.050 0.120 0.110 0.110 0.105 0.105 0.070 0.060 0.070 0.080
##  [853] 0.085 0.095 0.105 0.110 0.090 0.135 0.075 0.105 0.110 0.105 0.110 0.115
##  [865] 0.120 0.100 0.095 0.100 0.110 0.055 0.090 0.090 0.115 0.105 0.125 0.085
##  [877] 0.040 0.135 0.120 0.080 0.095 0.120 0.110 0.105 0.095 0.080 0.075 0.105
##  [889] 0.105 0.120 0.100 0.115 0.130 0.090 0.095 0.110 0.150 0.125 0.065 0.145
##  [901] 0.145 0.100 0.105 0.095 0.090 0.105 0.125 0.115 0.080 0.130 0.130 0.115
##  [913] 0.085 0.115 0.090 0.090 0.110 0.080 0.110 0.125 0.110 0.085 0.095 0.135
##  [925] 0.100 0.085 0.135 0.090 0.100 0.095 0.090 0.065 0.105 0.105 0.110 0.095
##  [937] 0.095 0.100 0.085 0.110 0.110 0.100 0.100 0.120 0.075 0.075 0.125 0.095
##  [949] 0.075 0.105 0.105 0.115 0.110 0.110 0.100 0.090 0.070 0.075 0.110 0.115
##  [961] 0.100 0.070 0.070 0.105 0.090 0.120 0.115 0.095 0.100 0.130 0.105 0.070
##  [973] 0.125 0.105 0.100 0.080 0.095 0.105 0.115 0.115 0.075 0.120 0.105 0.100
##  [985] 0.065 0.130 0.080 0.085 0.075 0.090 0.095 0.075 0.055 0.075 0.105 0.090
##  [997] 0.090 0.120 0.130 0.085

Opción 2

calc_por_uno=function(n_muestra){
  pob=c(rep(x = 1,100),rep(x = 0,900))
  return(sum(sample(pob,size = n_muestra))/n_muestra)
}

calc_por_uno(n_muestra = 200)

## [1] 0.09

sapply(rep(200,1000), calc_por_uno)

##    [1] 0.090 0.165 0.110 0.125 0.110 0.125 0.100 0.105 0.120 0.095 0.105 0.110
##   [13] 0.115 0.130 0.115 0.095 0.115 0.095 0.135 0.105 0.085 0.105 0.100 0.090
##   [25] 0.085 0.115 0.085 0.110 0.105 0.105 0.110 0.085 0.075 0.095 0.135 0.055
##   [37] 0.125 0.125 0.100 0.100 0.100 0.065 0.090 0.115 0.085 0.090 0.120 0.095
##   [49] 0.095 0.090 0.120 0.115 0.070 0.150 0.135 0.085 0.105 0.065 0.100 0.060
##   [61] 0.110 0.120 0.110 0.070 0.120 0.080 0.085 0.110 0.125 0.115 0.075 0.080
##   [73] 0.105 0.115 0.075 0.090 0.075 0.105 0.090 0.095 0.095 0.085 0.100 0.095
##   [85] 0.085 0.075 0.105 0.110 0.105 0.055 0.090 0.095 0.120 0.115 0.075 0.135
##   [97] 0.090 0.100 0.105 0.085 0.085 0.090 0.085 0.105 0.090 0.070 0.080 0.110
##  [109] 0.090 0.100 0.100 0.060 0.075 0.125 0.130 0.075 0.160 0.115 0.120 0.145
##  [121] 0.085 0.120 0.105 0.085 0.135 0.140 0.110 0.100 0.130 0.100 0.100 0.085
##  [133] 0.070 0.110 0.090 0.085 0.080 0.120 0.085 0.095 0.075 0.105 0.110 0.080
##  [145] 0.095 0.095 0.110 0.075 0.110 0.065 0.075 0.075 0.115 0.120 0.120 0.090
##  [157] 0.095 0.125 0.110 0.100 0.105 0.085 0.085 0.100 0.105 0.105 0.085 0.085
##  [169] 0.090 0.075 0.070 0.065 0.100 0.110 0.115 0.110 0.085 0.080 0.090 0.125
##  [181] 0.095 0.100 0.090 0.130 0.060 0.125 0.050 0.110 0.095 0.100 0.125 0.150
##  [193] 0.115 0.095 0.075 0.105 0.105 0.070 0.115 0.090 0.095 0.105 0.100 0.105
##  [205] 0.105 0.080 0.080 0.135 0.100 0.095 0.080 0.135 0.085 0.110 0.075 0.120
##  [217] 0.090 0.095 0.115 0.135 0.130 0.080 0.115 0.100 0.090 0.075 0.100 0.090
##  [229] 0.080 0.095 0.090 0.095 0.120 0.095 0.135 0.100 0.095 0.135 0.120 0.110
##  [241] 0.120 0.125 0.120 0.090 0.100 0.095 0.090 0.095 0.115 0.105 0.105 0.105
##  [253] 0.125 0.090 0.085 0.095 0.090 0.130 0.100 0.100 0.065 0.100 0.110 0.090
##  [265] 0.075 0.055 0.115 0.085 0.085 0.115 0.095 0.090 0.100 0.090 0.115 0.090
##  [277] 0.090 0.065 0.150 0.080 0.100 0.090 0.105 0.085 0.095 0.125 0.110 0.095
##  [289] 0.110 0.090 0.145 0.105 0.090 0.100 0.120 0.100 0.095 0.080 0.105 0.090
##  [301] 0.090 0.105 0.090 0.110 0.100 0.090 0.100 0.065 0.065 0.120 0.105 0.185
##  [313] 0.105 0.070 0.090 0.120 0.115 0.100 0.090 0.095 0.100 0.100 0.070 0.110
##  [325] 0.105 0.070 0.100 0.085 0.075 0.075 0.130 0.130 0.090 0.115 0.090 0.110
##  [337] 0.085 0.090 0.115 0.105 0.125 0.095 0.090 0.105 0.105 0.090 0.095 0.060
##  [349] 0.130 0.065 0.080 0.100 0.155 0.115 0.065 0.140 0.100 0.085 0.100 0.130
##  [361] 0.110 0.095 0.100 0.100 0.105 0.100 0.125 0.090 0.085 0.110 0.085 0.115
##  [373] 0.120 0.095 0.075 0.120 0.120 0.110 0.085 0.105 0.115 0.065 0.105 0.110
##  [385] 0.085 0.085 0.130 0.105 0.135 0.095 0.075 0.110 0.095 0.105 0.090 0.085
##  [397] 0.070 0.110 0.115 0.085 0.090 0.105 0.090 0.085 0.110 0.120 0.095 0.115
##  [409] 0.105 0.085 0.100 0.105 0.105 0.085 0.085 0.120 0.115 0.100 0.095 0.095
##  [421] 0.130 0.095 0.110 0.100 0.130 0.120 0.075 0.120 0.105 0.130 0.080 0.095
##  [433] 0.100 0.080 0.135 0.100 0.100 0.105 0.135 0.095 0.120 0.120 0.120 0.090
##  [445] 0.110 0.115 0.065 0.085 0.120 0.095 0.080 0.080 0.065 0.100 0.105 0.115
##  [457] 0.075 0.115 0.080 0.110 0.110 0.120 0.105 0.100 0.140 0.085 0.120 0.135
##  [469] 0.110 0.095 0.105 0.075 0.105 0.070 0.095 0.100 0.105 0.070 0.070 0.090
##  [481] 0.120 0.090 0.090 0.125 0.090 0.080 0.095 0.115 0.090 0.095 0.065 0.115
##  [493] 0.070 0.075 0.115 0.095 0.115 0.065 0.105 0.075 0.095 0.095 0.130 0.125
##  [505] 0.090 0.095 0.100 0.170 0.075 0.090 0.115 0.105 0.085 0.105 0.090 0.130
##  [517] 0.095 0.085 0.075 0.105 0.090 0.100 0.110 0.075 0.090 0.140 0.055 0.105
##  [529] 0.095 0.075 0.110 0.115 0.100 0.075 0.075 0.110 0.140 0.135 0.100 0.095
##  [541] 0.125 0.125 0.105 0.095 0.085 0.095 0.095 0.085 0.080 0.135 0.100 0.130
##  [553] 0.080 0.095 0.080 0.095 0.085 0.090 0.125 0.120 0.125 0.120 0.115 0.080
##  [565] 0.095 0.080 0.110 0.120 0.060 0.095 0.105 0.105 0.090 0.125 0.115 0.110
##  [577] 0.060 0.105 0.100 0.105 0.105 0.080 0.095 0.120 0.100 0.080 0.110 0.100
##  [589] 0.110 0.095 0.075 0.090 0.095 0.110 0.095 0.100 0.100 0.110 0.130 0.115
##  [601] 0.125 0.130 0.105 0.095 0.095 0.080 0.110 0.095 0.115 0.105 0.095 0.105
##  [613] 0.080 0.065 0.090 0.100 0.145 0.070 0.105 0.115 0.080 0.075 0.105 0.075
##  [625] 0.120 0.080 0.105 0.120 0.060 0.095 0.090 0.120 0.125 0.095 0.100 0.095
##  [637] 0.080 0.105 0.100 0.115 0.085 0.105 0.070 0.085 0.090 0.090 0.115 0.120
##  [649] 0.110 0.130 0.085 0.085 0.085 0.120 0.125 0.080 0.080 0.120 0.100 0.125
##  [661] 0.090 0.110 0.100 0.110 0.095 0.100 0.115 0.115 0.120 0.080 0.090 0.100
##  [673] 0.100 0.095 0.105 0.095 0.125 0.095 0.075 0.100 0.090 0.100 0.085 0.075
##  [685] 0.085 0.130 0.095 0.125 0.110 0.080 0.115 0.115 0.115 0.080 0.100 0.075
##  [697] 0.125 0.090 0.085 0.110 0.070 0.110 0.125 0.085 0.100 0.095 0.090 0.085
##  [709] 0.125 0.125 0.140 0.110 0.095 0.120 0.100 0.070 0.080 0.125 0.065 0.085
##  [721] 0.110 0.120 0.060 0.105 0.100 0.140 0.085 0.135 0.120 0.090 0.105 0.110
##  [733] 0.085 0.080 0.090 0.110 0.080 0.095 0.115 0.080 0.120 0.055 0.115 0.095
##  [745] 0.100 0.105 0.080 0.120 0.095 0.075 0.125 0.105 0.120 0.110 0.065 0.075
##  [757] 0.075 0.085 0.125 0.105 0.075 0.110 0.100 0.110 0.135 0.095 0.100 0.115
##  [769] 0.125 0.100 0.115 0.080 0.075 0.120 0.115 0.105 0.085 0.115 0.065 0.090
##  [781] 0.135 0.070 0.105 0.080 0.095 0.105 0.080 0.095 0.100 0.135 0.075 0.095
##  [793] 0.130 0.105 0.085 0.095 0.100 0.085 0.095 0.055 0.105 0.090 0.120 0.085
##  [805] 0.090 0.085 0.105 0.075 0.085 0.120 0.115 0.090 0.100 0.105 0.090 0.120
##  [817] 0.060 0.095 0.125 0.120 0.115 0.075 0.100 0.125 0.095 0.075 0.130 0.090
##  [829] 0.080 0.105 0.105 0.120 0.105 0.140 0.045 0.080 0.075 0.090 0.135 0.130
##  [841] 0.105 0.080 0.105 0.105 0.100 0.120 0.090 0.095 0.115 0.085 0.090 0.080
##  [853] 0.075 0.120 0.125 0.155 0.080 0.090 0.090 0.095 0.110 0.095 0.105 0.120
##  [865] 0.110 0.090 0.120 0.130 0.095 0.110 0.150 0.115 0.125 0.115 0.115 0.115
##  [877] 0.090 0.150 0.105 0.150 0.105 0.095 0.080 0.135 0.090 0.105 0.115 0.125
##  [889] 0.090 0.105 0.090 0.095 0.070 0.050 0.075 0.095 0.100 0.085 0.080 0.110
##  [901] 0.085 0.105 0.085 0.085 0.080 0.080 0.125 0.115 0.090 0.105 0.095 0.060
##  [913] 0.105 0.060 0.090 0.100 0.100 0.100 0.105 0.095 0.085 0.100 0.110 0.105
##  [925] 0.100 0.115 0.100 0.070 0.075 0.085 0.130 0.110 0.095 0.095 0.095 0.095
##  [937] 0.105 0.135 0.090 0.115 0.115 0.080 0.115 0.105 0.065 0.080 0.085 0.135
##  [949] 0.135 0.105 0.120 0.095 0.090 0.090 0.075 0.095 0.125 0.120 0.115 0.080
##  [961] 0.090 0.060 0.100 0.160 0.130 0.055 0.090 0.085 0.085 0.110 0.090 0.060
##  [973] 0.085 0.085 0.090 0.070 0.090 0.110 0.100 0.120 0.130 0.145 0.110 0.095
##  [985] 0.090 0.060 0.095 0.110 0.110 0.100 0.095 0.115 0.095 0.100 0.120 0.080
##  [997] 0.105 0.105 0.140 0.110

d. Grafique los resultados de estos porcentajes y calcule algunos indicadores descriptivos (compare los resultados con la población generada inicial).

Indicadores descriptivos

summary(porcentajes_muestra)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
## 0.04000 0.08500 0.10000 0.09968 0.11500 0.17500

Gráfica de resultados

hist(porcentajes_muestra)
abline(v=0.1,col="blue",lwd=3)

Punto 3 - Función que Calcula Descriptivos Univariados

a. Genere una función que calcule indicadores y graficos descriptivos de una variable cuantitativa.

Cuantitativa <- function(base, columnas) {
  
  base <- as.data.frame(base)
  
  nombres <- names(base)
  
  lista <- list()
  
  for(i in columnas) {
    
    n <- length(na.omit(base[,i]))
    media <- mean(base[,i], na.rm = T)
    des <- sd(base[,i], na.rm = T)
    mi <- min(base[,i], na.rm = T)
    ma <- max(base[,i], na.rm = T)
        lista[[i]] <- data.frame(Variable = nombres[i],
                         n = n,
                         Media = round(media,2),
                         Desviacion = round(des,2),
                         Minimo = round(mi,2),
                         Maximo = round(ma,2)
                         )
  }
  
  tabla <- do.call(rbind, lista)
  for (i in columnas) {
    hist(base[[i]], ylab= "Frecuencia",xlab= nombres[i], main= c("Histograma ",nombres[i]) , col = "dodgerblue4")  
  }
  return(tabla)
}

library(readxl)
base_rotacion <- read_excel("C:/ALL/Personal/Maestria/Datos_Rotacion.xlsx")

Cuantitativa(base_rotacion,columnas= c(2,13,14,21))

Variable	n	Media	Desviacion	Minimo	Maximo
Edad	1470	36.92	9.14	18	60
Ingreso_Mensual	1470	6502.93	4707.96	1009	19999
Trabajos_Anteriores	1470	2.69	2.50	0	9
Antigüedad	1470	7.01	6.13	0	40

b. Genere una función que calcule indicadores y graficos descriptivos de una variable cualitativa.

Cualitativa = function(datos, columna){
  barplot(table(datos[[columna]]),xlab = columna, ylab="Cantidad", col="gold3", main=c("Gráfico de Barras ",columna))
  tabla = data.frame(prop.table(table(datos[[columna]])))
  t = data.frame(table(datos[[columna]]))
  t$Porcentaje =tabla$Freq
  colnames(t) = c("Variable", "Cantidad", "Porcentaje")
  return(t)
}

Análisis variable Estado civil de la base de rotación

Cualitativa(base_rotacion,"Estado_Civil")

Variable	Cantidad	Porcentaje
Casado	673	0.4578231
Divorciado	327	0.2224490
Soltero	470	0.3197279

Análisis variable Viajes de Negocios de la base de rotación

Cualitativa(base_rotacion,"Viaje de Negocios")

Variable	Cantidad	Porcentaje
Frecuentemente	277	0.1884354
No_Viaja	150	0.1020408
Raramente	1043	0.7095238

c. Genere una función que de acuerdo al tipo de variable use la función de a. ó b. para generar resultados descriptivos.

Descriptivos <- function(x,columna) {
  tipo = typeof(x[[columna]])
  if (tipo %in% c("character","factor","logical")){resultado=Cualitativa(x,columna)}
  
  else if(tipo %in% c("double","integer","numeric")) {resultado=Cuantitativa(x,columna)}
  
  else {
    resultado = "Revisar - Variable sin clasificar"
  }
  
  return(resultado)
  
}

Prueba de la función con una variable cuantitativa - Edad

Descriptivos(base_rotacion,"Edad")

	Variable	n	Media	Desviacion	Minimo	Maximo
Edad	NA	1470	36.92	9.14	18	60

Prueba de la función con una variable cuantitativa - Estado Civil

Descriptivos(base_rotacion,"Estado_Civil")

Variable	Cantidad	Porcentaje
Casado	673	0.4578231
Divorciado	327	0.2224490
Soltero	470	0.3197279

Actividad 3

Mauricio Pinzon

2022-04-05

Punto 1 - Simulación Resultado de la Suma del Lanzamiento de dos Dados

a. Crear una función sin entradas pero que simule el lanzamiento de dos dados legales y sume el resultado de ellos.

b. Generalizar la función para que tenga como entrada el total de lanzamientos y cuente los resultados de una condición en particular. (ejemplo suma igual a 12).

Opción 1

Opción 2

c. Con la función de b. compare los resultados de la simulación para 1000 lanzamientos con los resultados esperados de acuerdo a la probabilidad calculada con el total de combinaciones.

Probabilidad Teórica

Gráfica de la probabilidad Teórica

Probabilidad calculada cuando el valor de la suma de los dados es 5 para mil lanzamientos

El resultado de la probabilidad teórica es de 0.111 y el de la probabilidad calculada es de 0.106 quedando por debajo un 4.5%

Punto 2 - Simulación Concepto de Distribución Muestral (Caso proporciones)

a. Genere una población con una cantidad dada de 0 y 1.

Población de 1000 con 10% de números iguales a 1

b. Crear una función que obtenga una muestra de esa población de a. y calcule el porcentaje de 1.

Creamos una muestra de tamaño igual a 200

c. Repita este proceso una cantidad (mas de 1000 veces) y guarde los porcentajes de cada iteración.

Opción 1

Opción 2

d. Grafique los resultados de estos porcentajes y calcule algunos indicadores descriptivos (compare los resultados con la población generada inicial).

Indicadores descriptivos

Gráfica de resultados

Punto 3 - Función que Calcula Descriptivos Univariados

a. Genere una función que calcule indicadores y graficos descriptivos de una variable cuantitativa.

b. Genere una función que calcule indicadores y graficos descriptivos de una variable cualitativa.

Análisis variable Estado civil de la base de rotación

Análisis variable Viajes de Negocios de la base de rotación

c. Genere una función que de acuerdo al tipo de variable use la función de a. ó b. para generar resultados descriptivos.

Prueba de la función con una variable cuantitativa - Edad

Prueba de la función con una variable cuantitativa - Estado Civil

Var1	Var2	y
1	1	2
2	1	3
3	1	4
4	1	5
5	1	6
6	1	7
1	2	3
2	2	4
3	2	5
4	2	6
5	2	7
6	2	8
1	3	4
2	3	5
3	3	6
4	3	7
5	3	8
6	3	9
1	4	5
2	4	6
3	4	7
4	4	8
5	4	9
6	4	10
1	5	6
2	5	7
3	5	8
4	5	9
5	5	10
6	5	11
1	6	7
2	6	8
3	6	9
4	6	10
5	6	11
6	6	12

Var1	Var2	y
1	1	2
2	1	3
3	1	4
4	1	5
5	1	6
6	1	7
1	2	3
2	2	4
3	2	5
4	2	6
5	2	7
6	2	8
1	3	4
2	3	5
3	3	6
4	3	7
5	3	8
6	3	9
1	4	5
2	4	6
3	4	7
4	4	8
5	4	9
6	4	10
1	5	6
2	5	7
3	5	8
4	5	9
5	5	10
6	5	11
1	6	7
2	6	8
3	6	9
4	6	10
5	6	11
6	6	12

Var1	Var2	y
1	1	2
2	1	3
3	1	4
4	1	5
5	1	6
6	1	7
1	2	3
2	2	4
3	2	5
4	2	6
5	2	7
6	2	8
1	3	4
2	3	5
3	3	6
4	3	7
5	3	8
6	3	9
1	4	5
2	4	6
3	4	7
4	4	8
5	4	9
6	4	10
1	5	6
2	5	7
3	5	8
4	5	9
5	5	10
6	5	11
1	6	7
2	6	8
3	6	9
4	6	10
5	6	11
6	6	12