Trabajo colaborativo Semana 4

3. Graficar la distribución de probabilidad f(v) obtenida en el ítem anterior y compararla

con el histograma obtenido en el punto 1) de la velocidad del viento para los
departamentos seleccionados. ¿Qué puede concluir de las gráficas en relación al
comportamiento de las variables?

ANTIOQUIA
f <- (k/c) * ((v/c) ^ (k-1)) * exp(-(v/c) ^ k)
#0.6518452
x <-seq(0,6,0.001)
fv_Antioquia <- (k/c) * ((x/c) ^ (k-1)) * exp(-(x/c) ^ k)
plot(x, fv_Antioquia,
main = "Funcion dencidad de probabilidad",
ylab = "f(x)",
xlab = "x",
type = "l",
col = "red")
 TOLIMA
f <- (k/c) * ((v/c) ^ (k-1)) * exp(-(v/c) ^ k)
#0.3034053
x <-seq(0,10,0.001)
fv_Tolima <- (k/c) * ((x/c) ^ (k-1)) * exp(-(x/c) ^ k)
plot(x, fv_Tolima, main = "Funcion dencidad de probabilidad",
ylab = "f(x)",
xlab = "x",
type = "l",
col = "red")

4. Para cada departamento seleccionado, obtener el valor de velocidad del viento más
probable y el valor de la velocidad del viento que entregaría la máxima energía eólica
(use las ecuaciones 5 y 6); Al comparar los valores para los dos departamentos
seleccionados, ¿cuál de ellos tiene más probabilidad de generar mayor energía eólica?

ANTIOQUIA
. Obtener el valor de velocidad del viento más probable:

vmp <- c*((k-1) / k) ^ (1/k)

#1.198548
. valor de la velocidad del viento que entregaría la máxima energía eólica:

vmaxE <- c*((k+2) / k) ^ (1/k)

#1.906154

TOLIMA
. Obtener el valor de velocidad del viento más probable:

vmp <- c*((k-1) / k) ^ (1/k)

#2.274695
. Valor de la velocidad del viento que entregaría la máxima energía eólica:

vmaxE <- c*((k+2) / k) ^ (1/k)

#3.940585