Publications by Eleazar Bonilla No.Control 19041485
Practica No. 4 Practica para Agrupar Datos
Datos agrupados Objetivo: Generar datos agrupados, tabla de frecuencia y gráfica de los datos agrupados Proceso: * Generar y mostrar datos de la muestra * Ordenar datos y mostrar * Encontrar número de elementos n, valores mánimos y máximos , rango y amplitud del rango de la muestra * Determianr número de intérvalos igual a 5 * Identi...
1186 sym R (24784 sym/30 pcs) 2 img
Practica No.9 Teorema de Bayes. Caso Fábrica compra a dos Proveedores
Teorema de Bayes Marco Conceptual En el estudio de la probabilidad condicional se observa que revisar las probabilidades cuando se obtiene mas informacion es parte importante del analisis de probabilidades. por lo general, se suele iniciar el analisis con una estimacion de probabilidad inicial o probabilidad previa de los eventos que interesan. ...
4055 sym R (1529 sym/15 pcs)
Practica. Computadoras Portatiles Probabilidad de Demanda Diaria|
Una tienda de electronica vende un modelo particular de computadora portatil. Hay solo cuatro computadoras en existencia y la gerente se pregunta cual seria la demanda de hoy para este modelo particular. En en departameto de marketing de la distribucion de probabilidad para x, la demanda diaria para la laptop es como se muestra: Objetivo Determ...
1056 sym R (627 sym/13 pcs) 2 img 2 tbl
Distribución de Probabilidad Doscreta CASO. Niños lectura en USA
Variables aleatorias discretas Descripción Determinar distribucion de la probabilidad para variables aleatorias discretas, generar tabla de distribucion y visualizar graficas de barra y acumulada, determinar estadisticos: media, varianza y desviacion asi como realizar calculos de probabilidad Caso En Estados Unidos 38% de los niños de cuarto ...
5058 sym R (1350 sym/31 pcs) 2 img 2 tbl
Caso Novela cuatro lectores Probabilidad Binomial
Determinar Probabilidades para la distibucion binomial Caso: Considere las decisiones de compra de los proximos tres clientes que lleguen a la tienda de ropa Martin Clothing Store. De acuerdo de la experiencia, el gerente de la tienda estima que la probabilidad de que un cliente realice una comprea es 0.30 Objetivo Identificar las variables, p...
1779 sym R (967 sym/22 pcs) 2 img
Probar Distribución Normal. Comprobar Lejanía de los datos con respecto a la media del 68%, 95%, 99% y determinar su correspondiente probabilidad
Esta práctica tiene la finalida de utilizar conceptos de la distribución de probabildiad Normal, y comprobar que tan lejos están los valores con respecto a la media Se requiere simular una distribución con alores de media μ y desviación estaándrad conocidos σ Objetivos Simular una muestra aleatoria conforme a la distribucón normal con l...
4665 sym R (4458 sym/31 pcs) 6 img
Esperanza de vida
Descripción Un estudio quiere generar un modelo que permita predecir la esperanza de vida media de los habitantes de una ciudad en función de diferentes variables. Se dispone de información sobre: habitantes, analfabetismo, ingresos, esperanza de vida, asesinatos, universitarios, heladas, área y densidad poblacional. Objetivo Realizar un an�...
5811 sym R (9752 sym/33 pcs) 3 tbl
Caso Ventas Estudiantes. Regresion lineal simple
Objetivo. Realizar predicciones con regresion lineal simple. caso de restaurante pizzas y estudiantes. Ventas de Librerias library(ggplot2) Datos poblacion <- c(2, 6, 8, 8, 12, 16, 20, 20, 22,26) ventas <- c(58, 105, 88, 118, 117, 137, 157, 169, 149, 202) datos <- data.frame(poblacion, ventas) datos ## poblacion ventas ## 1 2 ...
1652 sym R (3788 sym/44 pcs) 2 img
Distribucion de Possion
Objetivo Generar distribución de Poisson y determianar probabildiades dadas sus medias iniciales CASO: Una empresa electrónica observa que el número de componentes que fallan antes de cumplir 100 horas de funcionamiento es una variable aleatoria de Poisson. Si el número promedio de estos fallos es 8, ¿cuál es la probabilidad de que falle ...
2932 sym R (2569 sym/41 pcs)
idjhr
poblacion <- c(2, 6, 8, 8, 12, 16, 20, 20, 22,26) ventas <- c(58, 105, 88, 118, 117, 137, 157, 169, 149, 202) datos <- data.frame(poblacion, ventas) datos ## poblacion ventas ## 1 2 58 ## 2 6 105 ## 3 8 88 ## 4 8 118 ## 5 12 117 ## 6 16 137 ## 7 20 1...
5 sym R (423 sym/2 pcs)