En esta actividad debe construir un informe de cuatro páginas en donde se presenten los siguientes puntos: 1. Trabajar en RStudio con datos tanto simulados como reales relacionados con la gestión, pero primero revisar con detalle el análisis estadístico que se presenta en el siguiente link: https://rpubs.com/Humberto_Mtz_Bta/1229095 2. Utilizar la función sample() para simular la selección aleatoria de elementos, generando un espacio muestral y la ocurrencia de eventos. 3. Utilizar la función table() para obtener frecuencias y calcular probabilidades empíricas a partir de datos reales o simulados. 4. Utilizar las funciones runif(), rbinom() y dpois() para generar muestras aleatorias discretas y explorar la variación de fenómenos específicos en diversos escenarios posibles. 5. Utilizar la función rnorm(), rexp() y runif() para simular datos con distribución normal, distribución exponencial y distribución uniforme, continua; además de utilizar funciones de densidad y distribución tales como dnorm(), pnorm(), dexp(), pexp() para interpretar los resultados. 6. Construir gráficos interactivos generados con ggplot2 para visualizar los resultados de las diferentes simulaciones, facilitando la interpretación de la variabilidad y el comportamiento de los datos. 7. Utilizar funciones base como mean(), median(), sd(), var() y range(), para calcular la media, mediana, desviación estándar, varianza y rangos de los indicadores clave (por ejemplo, tiempos de espera, duración de estancias o concentraciones de insumos de una base de datos). Además, emplear la función summary() para obtener un resumen completo de los datos. 8. Utilizar la función t.test() para aplicar pruebas t y calcular intervalos de confianza para las medias, permitiendo evaluar si las diferencias observadas entre grupos (por ejemplo, unidades de atención o periodos de tiempo) son estadísticamente significativas. 9. Utilizar la función aov() para realizar análisis de varianza (ANOVA) y determinar si existen diferencias significativas entre medias de diferentes grupos (por ejemplo, comparar la eficacia de distintas intervenciones clínicas). 10. Utilizar la función chisq.test() para examinar la asociación entre variables categóricas, como por ejemplo, el tipo de tratamiento y el resultado clínico. 11. Utilizar la función prop.test() para comparar proporciones entre grupos (por ejemplo, la proporción de pacientes recuperados en dos clínicas distintas). 12. A partir del paquete ggpubr crear algunos gráficos comparativos que faciliten la interpretación visual de las diferencias entre series de datos, fundamental para la toma de decisiones estratégicas en la gestión. Con esta información construya un informe en formato R Markdown que dé cuenta de la realización de los puntos anteriores y la respectiva interpretación de los datos.:

Entrega FUCS