# Ejercicio :

#Hay preocupación por en la velocidad a la que

#los conductores manejan en un tramo de una carretera. Los datos de velocidad
(millas/hora) de 45
#conductores son los siguientes:

A=c(15,32,45,46,42,39,68,47,18,
31,48,49,56,52,39,48,69,61,
44,42,38,52,55,58,62,58,48,
56,58,48,47,52,37,64,29,55,
38,29,62,49,69,18,61,55,49) # es una lista con los valores numéricos

#Use estos datos para elaborar distribuciones de frecuencias relativas con 5 y 11

#intervalos iguales. El Departamento de Transporte informa que, a nivel nacional, no más
# de 10% de los conductores excede 55 mph.

# Preguntas
# a) ¿Se comportan los conductores de este tramo de la carreteta específico de acuerdo
con las afirmaciones del
# informe del Departamento de Transporte acerca de los patrones de manejo?
# b) ¿Qué distribución usó para responder el inciso a)?
# c) El Departamento de Transporte ha determinado que la velocidad más segura para
esta carretera es más
# de 36 y menos de 59 mph. ¿Qué proporción de conductores maneja dentro de este
intervalo? ¿Qué
# distribución ayuda a responder a esta pregunta?

A=sort(A) # Ordena de menor a mayor

A
n=length(A) # el número de elementos u observaciones en la lista
1+3.322*log10(n) #fórmula empírica para estimar el número de clases o particiones de los
datos
max(A) #Cálcula el máximo de A
min(A) #Cálcula el mínimo de A
m=7 # número de particiones o clases
d=(max(A)-min(A))/m #tamaño de clase

#Calculamos los cortes o límites de clases

B=c() # Inicializa la lista B
B[1]=min(A) # el primer valor del corte es el mínimo de A

for (i in 2:(m+1)){
B[i]=B[i-1]+(d+0.01) # agregamos 0.01 para que el límite final de A quede incluido
}
#Los cortes quedaron guardados en B
B
# Tabla de frecuencias absolutas:
table(cut(A,breaks = B,right = F))
# Tabla de frecuencias relativas. Se divide por el número total de datos.

round(table(cut(A,breaks = B,right = F))/n,2) # el comando round redondea a 2 decimales.

# Tabla de frecuencias porcentuales

round(table(cut(A,breaks = B,right = F))/n,2)*100 # Multiplicamos por 100

#Para darle color a los histogramas cargamos un listado de colores:

pal=c('#673ab7','#098765','#f93c1a','#0000ff','#748a9e',
'#ad6347','#deb76f','#40ff00','#0080ff','#ffbf00',
'#00bfff','#00b300','#995c00','#734d26','#c6538c',
'#4d4d00', '#800000','#4db8ff','#80ffdf','#e6e600',
'#c44d59','#f2b233','#ad6210','#2933e0','#b8a9c9',
'#674d3c','#e0876a','#f9d5e5','#fbefcc','#667292',
'#c1502e','#587e76','#ffcc5c','#c83349','#ffef96',
'#82b74b','#bdcebe','#eca1a6','#F5DF4D','#0072B5',
'#926AA6','#D2386C','#E0B589','#939597','#363945',
'#9BB7D4','#34568B','#6B5B95','#88B04B','#F7CAC9',
'#955251','#009B77','#CD5C5C', '#F08080','#FFC300',
'#C70039','#3498DB','#DAF7A6','#117864','#884EA0',
'#F6DDCC','#5F6A6A','#AF601A','#DFFF00','#9FE2BF',
'#40E0D0','#6495ED','#CCCCFF','#FF7F50','#33FFEC',
'#33A2FF','#8333FF','#FF33FF','#3349FF','#AF601A',
'#6B6933','#7171A8','#A171A8','#A87176','#DBBCBE',
'#7E423E','#5D6C13','#D98880','#D2B4DE','#F6DDCC',
'#E59866','#AED6F1','#FDEBD0','#DC7633','#F7DC6F',
'#D6DBDF','#6E2C00','#1D8348','#154360','#7B241C'
)

#Con el comando “hist” construimos el histograma de los datos contenidos en A

# Histrogrma
hist(A,breaks = B,col=pal[1:m],main='Histograma para las velocidades',
xlab='Clases',ylab='Frecuencias',xlim=c(15,70))
# Tabla de fecuencia
table(cut(A,breaks = B,right = F))
#Para usar el código. Cambie el conjunto de datos A y el número de clases m