#combinatorioa
p=1/choose(120,12);p
## [1] 9.485093e-17
# Definiendo la poblacion
N = 4000
Opinión 1: Estar de acuerdo con la JDC 0: Estar en desacuerdo con la JDC
#Se define la poblacion, varianza y media
opi = round(runif(N,0.4,1.2),0)
str(opi)
## num [1:4000] 1 0 1 1 1 1 1 1 1 1 ...
se condiciona para que cuando sea estrictamente igual a 1 se le asocie la etiqueta “A”
opic=ifelse(opi == 1,"A","D")
str(opic)
## chr [1:4000] "A" "D" "A" "A" "A" "A" "A" "A" "A" "A" "A" "D" "D" "A" "A" ...
Porcentaje de opiniones (de acuerdo o en desacuerdo)
porc = table(opic)/N *100
Se grafica el resultado de la tabla de los valores para opic, asignando colores y ejes
barplot(table(opic),
ylim=c(0,N),
col=c("red","blue"),
ylab="Frecuencia",
xlab= "Opinion")
text(x=c(0.7,2),y=table(opic)+12,
labels=paste(porc,"%"))
Se asigna la población que está de acuerdo a la variable “Acuerdo” con
la función for para hacer bloop o ciclos
Acuerdos = c()
for(n in 1:N){
muestra =sample(opic,n,replace = T )
tbl = table(muestra)
Acuerdos[n] = tbl[1]/sum(tbl)*100
}
Se crea un dataframe
df = data.frame(Acuerdos=Acuerdos,n=1:N)
head(df)
## Acuerdos n
## 1 100 1
## 2 100 2
## 3 100 3
## 4 100 4
## 5 100 5
## 6 100 6
Genera un gráfico para ver el comportamiento de “acuerdos” vs la población
plot(x=df$n,y=df$Acuerdos,cex=0.2)
library(ggplot2)
xy = expand.grid(x=seq(0,99,9),
y=seq(0,77,7))
Dimensión
dim(xy)
## [1] 144 2
plot(xy,pch=8,col="darkgreen",cex=1.5)
status= round(runif(144,0.4,1.2),0)
statusc=ifelse(status == 0,"E","S")
table(statusc)
## statusc
## E S
## 17 127
Comprueba prevalencia y se hace una selección al azar del cultivo
pv = table(statusc)[1]/sum(table(statusc))*100
pv
## E
## 11.80556
colores = ifelse(statusc =="E","red"
,"darkgreen")
plot(xy,pch=8,col=colores,cex=1.5)
par(mfrow=c(2,2))
n20 = sample(144,20,replace = F)
plot(xy,pch=8,col=colores,cex=1.5)
points(xy$x[n20],xy$y[n20],pch=0,cex=2)