Se construyen unos datos relacionados con el caso anterior de llamadas y ventas y en otros datos aleatorios x e y. Se determina el coeficiente de correlación de Pearson r Se determina el valor del coeficiente de determinación r2 Se hace la prueba de significancia para determinar si la correlación estimada de una población es diferente de cero para rechazar o aceptar una hipótesis nula. Se construye el modelo de regresión linea con la ecuación de mínimos cuadrados Y=a+bx Se determinan los coeficiente a y b Se hace una prueba de significancia para evaluar si el valor de la pendiente o valor de b tiene un significado estadístico de manera tal que se pueda rechazar una hipótesis nula.

De un conjunto de datos con dos variables (bivariable) en donde una de ellas es X variable independiente y otra de ellas Y variable dependiente, predecir el valor de Y conforme la historia de X.

Se cargan o se construyen datos y se determinan covarizna, correlación y diagrama de dispersión Antes se cargan las librerías a utilizar

Antes de todo, se cargan las librerías. En el sustento teórico, se da a conocer un panorama de la importancia de la distribución T Student comparando la campana de gauss de una distribución normal estándar y distribuciones t; se identifica la fórmula de densidad t y se mencionan las funciones de paquete base de R: dt(), pt(), qt y rt() y la función xpt() y visualize.t de la librería mosaic y visualize()para graficar T Student y para el tratamiento de este tipo de distribuciones. [@tdistribution]. De igual forma el caso ofrece visualización de T Student mediante gráficos programados usando funciones de la librería ggplot2(). En el desarrollo, se resuelven e interpretan algunos ejercicios con datos bajo la distribución T Student,, se identifican ntervalos de confianza con de una distribución T Student.

Se calculan intervalos de confianza de medias poblacionales con varios ejercicios extraídos de la literatura

Se transformara distribución normal a normal estándar y calcular probabilidades.

Realizar distribuciones de probabilidad conforme a la distribución de probabilidad normal a partir de valores iniciales de los ejercicios identificando y visualizando la función de densidad y calculando probabilidades.

Realizar distribuciones de probabilidad conforme a la distribución de probabilidad de Poisson a partir del valor medio dado en ejercicios. Se generan las tablas de probabilidad conforme a distribución Poisson, se identifican los valores de probabilidad cuando la variable discreta x tenga algún exactamente algún valor, ≤ a algún valor o > o ≥, entre otros.

Calcular densidad y probabilidades de las distribuciones con variables continuas continuas Binomial, Poisson Hipergeométrica con variables discretas y Normal, Normal Estándar, T Student con variables continuas continuas.

Antes de todo, se cargan las librerías. En el sustento teórico, se da a conocer un panorama de la importancia de la distribución T Student comparando la campana de gauss de una distribución normal estándar y distribuciones t; se identifica la fórmula de densidad t y se mencionan las funciones de paquete base de R: dt(), pt(), qt y rt() y la función xpt() y visualize.t de la librería mosaic y visualize()para graficar T Student y para el tratamiento de este tipo de distribuciones. [@tdistribution]. De igual forma el caso ofrece visualización de T Student mediante gráficos programados usando funciones de la librería ggplot2(). En el desarrollo, se resuelven e interpretan algunos ejercicios con datos bajo la distribución T Student,, se identifican ntervalos de confianza con de una distribución T Student.

Transformar distribución normal a normal estándar y calcular probabilidades.

Realizar distribuciones de probabilidad conforme a la distribución de probabilidad normal a partir de valores iniciales de los ejercicios identificando y visualizando la función de densidad y calculando probabilidades.

Realizar distribuciones de probabilidad conforme a la distribución de probabilidad de Poisson a partir del valor medio dado en ejercicios. Se generan las tablas de probabilidad conforme a distribución Poisson, se identifican los valores de probabilidad cuando la variable discreta x tenga algún exactamente algún valor, ≤ a algún valor o > o ≥, entre otros.

Realizar distribuciones de probabilidad conforme a la distribución de probabilidad de Hipergeométrica a partir de valores iniciales de los ejercicios. Se generan las tablas de probabilidad conforme a distribución hipergeométrica, se identifican los valores de probabilidad cuando la variable discreta x tenga algún exactamente algún valor, ≤ a algún valor o > o ≥, entre otros. Se utilizan las funciones base dhyper() y phyper() para la probabilidad y función acumulada de la distribución hipergeométrica. Se utiliza también de manera alternativa la función del enlace f.prob.hiper() https://raw.githubusercontent.com/rpizarrog/probabilidad-y-estad-stica/master/funciones/funciones.distribuciones.r que permite calcular la probabilidad de una variable aleatoria discreta bajo la distribución hipergeométrica y conforme a la fórmula.

Se identifican ejercicios casos de la literatura de distribuciones de probabilidad binomial y se realizan cálculos de probabilidades, se determinan el valor esperado y se calcula la varianza y la desviación. Los ejercicios que se presenta utilizan funciones relacionadas con la distribución binomial dbinom() pbinom(), rbinom() en algunos ejercicios del caso se utiliza la función f.prob.binom() previamente codificada y que encapsula la fórmula para determinar probabilidad binomiales.

Calcular probabilidades con variables aleatorias discretas y con variables aleatorias continuas con distribución uniforme

Realizar ejercicios del uso de variables continuas mediante la distribución de probabilidad uniforme.

Resolver cuestiones de casos de probabilidad en casos mediante la identificación de variables aleatorias, funciones de probabilidad,funciones acumuladas, media, varianza y desviación estándar de distribuciones de variables discretas; visualización gráfica relacionada con variables discretas.

A partir de varios conjuntos de datos calcular probabilidades.

Las personas de cualquier género trabajan en algún sector, en función del género determinado de manera inicial se trata de encontrar la probabilidad del sector en donde laboran. Al elegir aleatoriamente a una persona se conoce el género, Hombre o Mujer y se solicita encontrar la probabilidad de que pertenezca a algún sector.

Se cargan librerías necesarias Se definen los conceptos eventos dependientes e independientes Se desarrollan ejecicios para eventos dependientes e independientes.

De un conjunto de varios ejercicios extraídos de de la literatura de probabilidad de entre libros y sitios WEB se de termina la probabilidad condicional a partir de datos iniciales. Lo datos iniciales pueden ser la frecuencias, las probabilidad de evento A y evento B así como la probabilidad de intersección entre ambos eventos o conjunto, con ello se determina la probabilidad condicional utilizando la fórmula que se cita más adelante

Se cargan las librerías necesarias para ejecutar funciones Generar conjuntos de datos Construir todo el espacio muestral llamado S.muestra Realizar operaciones de conjuntos Estimar probabilidades con los conjuntos. Interpretar probabilidades

Construir ejercicios de probabilidad conforme a partir de datos conforme la teoría de probabilidad. A partir de un conjunto de datos generados estimar y determinar las probabilidades.

De un conjunto de varios ejercicios extraídos de de la literatura de probabilidad de entre libros y sitios WEB se de termina la probabilidad condicional a partir de datos iniciales. Lo datos iniciales pueden ser la frecuencias, las probabildiad de evento A y evento B así como la probabilidad de intersección entre ambos eventos o conjunto, con ello se determina la probabilidad condicional utilizando la fórmula que se cita más adelante.

Se cargan librerías necesarias Se definen los conceptos eventos dependientes e independientes Se desarrollan ejecicios para eventos dependientes e independientes.

Se cargan las librerías necesarias para ejecutar funciones Generar conjuntos de datos Construir todo el espacio muestral llamado S.muestra Realizar operaciones de conjuntos Estimar probabilidades con los conjuntos. Interpretar probabilidades

Construir ejercicios de probabilidad conforme a partir de datos conforme la teoría de probabilidad. A partir de un conjunto de datos generados estimar y determinar las probabilidades.

A partir de conjuntos datos (valores individuales) realizar permutaciones para conocer el número de las mismas y el acomodo de los valores para su interpretación en términos de probabilidad. La diferencias entre permutaciones y combinaciones tiene que ver con la cantidad o el número de eventos. Al hacer permutaciones, si importa el orden en que se acomodan los elementos, es decir en que columna aparecen, en la primera, segunda, tercera y y sucesivamente. Para identificar el orden, se puede decir que no es lo mismo “Oscar”, “Paco” que “Paco”, “Oscar”, están a la inversa o el orden está invertido. Eso es una diferencia con las combinaciones, son los mismos elementos pero el orden en que se acomodan o en que aparecen los elementos está diferente.

A partir de conjuntos datos (valores individuales) realizar combinaciones para conocer el número de las mismas y el acomodo de los valores para su interpretación en términos de probabilidad. Cargar librerías Cargar los datos Identificar fórmula de factorial Identificar fórmula de combinaciones Determinar probabilidades a partir del espacio muestral de las combinaciones Encontrar probabilidad con base en frecuencia o contabilizar eventos específicos del espacio muestral Interpretar el caso

Cargar librerías Generar datos a partir de la función source() Aplicar técnicas de conteo aditivo y multipicativo Interpretar resultados de técnicas de conteo Interpretar diagrama de árbol Interpretar probabilidades elementales

Identificar media de los datos Identificar medidas de dispersión, varianza y desviación estándard. Generar tablas de contingencia Visualizar dispersión de los datos. Identificar coeficiente de variación y comparar con similares conjuntos de datos.

Cargar tres conjuntos de datos: edades sueldos calificaciones Generar datos aleatoriamente mediante la función sample() anteponiendo semilla con valor de 2021 con la función set.seed(2021) para generar valores iguales al momento de construir los documentos markdown. Identificar estadísticos descriptivos de la media, mediana, moda, valores máximos y mínimos, rango, cuartiles y visualizar los datos mediante histograma y diagrama de caja o bigotes. Utilizar la función summary() para comprobar los estadísticos encontrados. Realizar la interpretación correspondiente de cada conjunto de datos.

Importación de datos para obtener una muestra y obtener su media, dando como resultado dos histogramas

A través de un proceso que incluye datos, codificación y resultados se hace un análisis e interpretación de datos. El proceso incluye varios aspectos: la creación de los datos que implica crear y procesar diez mil nombres de personas a partir de un vector de cincuenta nombres diferentes; el formateo o categorización de los mismos; la generación de frecuencias de clase, relativas y porcentuales y la creación de la distribución de frecuencias. El análisis de los datos se hace a partir de la tabla de frecuencias, se genera una visualización gráfica se interpretan los resultados. La visualización de datos es mediante gráfica de barra y de pastel respectivamente y la interpretación del caso incluye responder a las cuestiones particulares del caso.