# 1.

- Crear un rango de 100 números pseudo aleatorios, con semilla 492 y

# determinar su distribución calculando el valor P y graficar,

# utilizando máximo, mínimo, promedio y distribución estándar.

set.seed(492)

x <- rnorm(100)

promedio <- mean(x)

promedio

ds <- sd(x)

ds

dnorm(x, promedio, ds)

max <- max(x)

min <- min(x)

hist(x,freq = F, main = "Distribucion normal", xlab = "x", ylab = "Densidad")

curve(dnorm(x,promedio,ds), min, max, add = T, col = "blue")

shapiro.test(x)

# 2.- Crear un rango de 150 números aleatorios, y determinar

# su distribución calculando el valor P y graficar,

# utilizando máximo, mínimo, promedio y distribución estándar.

x <- rnorm(150)

promedio <- mean(x)

promedio

ds <- sd(x)

ds

dnorm(x, promedio, ds)

max <- max(x)

min <- min(x)

hist(x,freq = F, main = "Distribucion normal", xlab = "x", ylab = "Densidad")

curve(dnorm(x,promedio,ds), min, max, add = T, col = "blue")

shapiro.test(x)

#3.- Existen 150 personas de las cuales se requiere determinar si su promedio de estatura

#ronda entre 1,70 m con un nivel de significancia del 30%.

#Determinar si la muestra esta por encima o por debajo del promedio aplicando

#la prueba correspondiente,

#Crear un diagrama de caja.

x <- rnorm(150, 1.70, 0.3)

m<-length(x[x>1.70])

boxplot(x)

prop.test(m, n = length(x), p = 0.3, alternative = "greater")

# 4.- Genera una muestra de 100 valores y se pide determinar si el

# promedio de estos se acerca a 60 con un nivel de significancia del 10%,

# Determinar si la muestra esta por encima o por debajo del promedio aplicando

# la prueba correspondiente, Crear un diagrama de caja.

x <- rnorm(100,60,0.1)

m<-length(x[x>60])

boxplot(x)

prop.test(m, n = length(x), p = 0.1, alternative = "greater")

# 5.- Se tiene una muestra de 200 estudiantes con un promedio de peso de 74 kg y un nivel

# de significancia del 40%. Tomando en cuenta que los estudiantes con peso mayor a 75

# es sobrepeso se quiere determinar si el 20% de los estudiantes tienen sobrepeso.

# Resolver por medio de una prueba y justificar la respuesta.

x<-rnorm(200,74,0.4)

m<-length(x[x>75])

boxplot(x)

prop.test(m,200,0.2,alternative="greater")

# Crear un rango de 1000 números pseudo aleatorios,

#con semilla 492 y determinar su distribución calculando el

#valor P y graficar, utilizando máximo, mínimo, promedio y distribución estándar,

#utilizar shapiro.test. y determinar la fiabilidad de la distribución respecto al valor p.

# Libreria normtest

library(normtest)

# Crear un rango de 1000 números pseudo aleatorios

set.seed(492)

x <- runif(1000)

# Determinar su distribución calculando el valor P y graficar

hist(x, main="Histograma de 1000 números pseudo aleatorios", xlab="Valores", ylab="Frecuencia",

col="blue")

# Utilizar máximo, mínimo, promedio y distribución estándar

max(x)

min(x)

mean(x)

sd(x)

# Utilizar shapiro.test. y determinar la fiabilidad de la distribución respecto al valor p.

shapiro.test(x)