##########################

# LA DISTRIBUCION NORMAL #

##########################

#-------------------------------------------------------------------------------

# Algunas propiedades:

# - Forma de campana (simetrica).

# - Cuanto mas grande es la variabilidad, la curva es mas "aplanada".

# - Media = Moda = Mediana.

# - Mas del 99% del area bajo la curva esta entre mu - 3*sigma y mu + 3*sigma

#-------------------------------------------------------------------------------

#-------------------------------------------------------------------------------

# Caso (ej. de probilidades usando la distribucion Normal)

# La distribución de los ingresos diarios (en miles de pesos) de los empleados

# de un sector de la ciudad tienen distribución normal con media cien mil pesos

# y desviación estándar dos mil pesos.

#-------------------------------------------------------------------------------

# Graficar la distribucion de los ingresos (graficar la poblacion).

# Solucion:

# X = ingresos diarios (en miles de pesos), variable aleatoria (poblacion) de interes.

# X ~ Normal(mu = 100, sigma^2 = 4)

windows()

curve(expr = dnorm(x, mean = 100, sd = 2), from = 88,

to = 112, lwd = 2, lty = 1,

xlab = "Ingresos diarios (en miles de $)",

 ylab = "Funcion de densidad",

main = "Distribucion normal")

curve(expr = dnorm(x, mean = 100, sd = 3), from = 88,

to = 112, lwd = 2, lty = 2,

col = "blue", add = TRUE)

legend("topright", legend = c("sd = 2","sd = 3"),

col = c("black","blue"),

lty = c(1,2),lwd = 2)

grid()

# Qué porcentaje de empleados gana menos de $98.500?

# En simbolos: Pr(X < 98.5) = ?

pnorm(q = 98.5, mean = 100, sd = 2, lower.tail = TRUE)

# 0.2266274

# El 22.67% de los empleados en la poblacion ganan menos de $98,500 diarios.

# estandarizando

pnorm(q = -0.75, mean = 0, sd = 1, lower.tail = TRUE)

# 0.2266274

# Qué porcentaje de empleados gana entre $99.000 y $102.500?

# Pr(99 < X < 102.5) = ?

# Area bajo la curva antes de 99

p1 <- pnorm(q = 99, mean = 100, sd = 2, lower.tail = TRUE)

# 0.3085375

# Area bajo la curva despues de 102.5

p2 <- pnorm(q = 102.5, mean = 100, sd = 2, lower.tail = FALSE)

# 0.1056498

1 - (p1 + p2)

# 0.5858127

# El 58.58% de los empleados gana entre 99,000 y 102,500 diarios.

# Otra forma

p3 <- pnorm(q = 102.5, mean = 100, sd = 2, lower.tail = TRUE)

#0.8943502

p3 - p1

# 0.5858127

# Cuál es el salario que separa el 5% de los empleados mejor pagos del resto de

# los empleados?

# Se pide calcular el percentil 95: Pr(X > a) = 0.05 o Pr(X < a) = 0.95.

qnorm(p = 0.05, mean = 100, sd = 2, lower.tail = FALSE)

# 103.2897

qnorm(p = 0.95, mean = 100, sd = 2, lower.tail = TRUE)

# 103.2897

# El salario diario que separa el 5% de los empleados mejor pagos del resto es

# $103,280.

# Si hay un aumento del 10% y un subsidio de 10 mil pesos, cuál es la

# probabilidad de que un empleado gane más de $118.500?

# Y = salario diario (en miles de pesos) CON EL AUMENTO MAS EL SUBSIDIO.

# Y = (1 + 0.1) * X + 10 = 1.1*X + 10

# Media (valor esperado) de Y

mu.Y = 1.1*100 + 10

mu.Y
# 120

# El valor esperado (poblacional) de los ingresos con el aumento y el subsudio

# es $120,000 diarios.

# Desv. estandar de Y

sd.Y = sqrt( 1.1^2 * 4 )

sd.Y

# 2.2

# La desviacion estandar (poblacional) de los ingresos con el aumento y el

# subsudio es $2,200 diarios.

# Dado que X tiene distribucion normal, entonces Y TAMBIEN TIENE DISTRIBUCION

# NORMAL y por lo tanto Y ~ Normal(mu = 120, sigma^2 = 2.2^2)

# Pr(Y > 118.5) = ?

pnorm(q = 118.5, mean = 120, sd = 2.2, lower.tail = FALSE)

# 0.752323

# El 75.23% de los empleados en la poblacion ganan mas de $118,500 teniendo

# en cuenta el aumento mas el subsidio.

# Pr(X > 118.5) = ?

pnorm(q = 118.5, mean = 100, sd = 2, lower.tail = FALSE)

# 1.122463e-20

#-------------------------------------------------------------------------------

#-------------------------------------------------------------------------------

#-------------------------------------------------------------------------------