#PROBLEMA 3: A partir de los siguientes datos, ventas en cientos de dólares de

#un producto, elabore un gráfico adecuado que represente la información.

ventas <- c(10.43,50.30,20.90,20.56,13.22,25.31,6.30,43.67,44.66,50.20,23.78,

39.34,30.56,16.37,11.45,17.84,30.54,23.36)

#sturges=1+3,3*log(cantidad de datos)#

hist(ventas, descanso = "Sturges", col="blue", xlab="Ventas en cientos de dólares",

ylab="Frecuencia", main="Ventas en cientos de Dólares")

#PROBLEMA 4: Una empresa que tiene 50 trabajadores se propone reestructurar las

#remuneraciones de sus trabajadores. Para este fin ha levantado

#información sobre los años de servicio de los trabajadores obteniendo los

#siguientes resultados:

años <- c(4,5,4,6,7,9,7,7,5,8,4,5,9,5,8,7,6,7,7,4,6,8 ,8,9,9,7,5,7,

6,8,9,5,6,5,4,7,9 ,6 ,6 ,4,8,8 ,7,6 ,5 ,4 ,4 ,4,6 ,8)

hist(años, descansos = "Sturges", col="red", main= "Años de servicio de los trabajadores")

#EJERCICIO 5 Los siguientes datos corresponden al sueldo (en diez miles de pesos) de

#40 trabajadores de una empresa:

sueldos <- c(119, 135, 138, 144, 150, 164, 125, 173, 138, 154, 156, 135, 140,

144, 147, 150, 157, 132, 142, 146, 126, 135, 140, 145, 147, 165,

146, 153, 161, 149, 152, 158, 168, 128, 136, 176, 163, 142, 145, 148)
hist(sueldos, descansos = "Sturges", main= "Sueldos de trabajadores")

#Elabore un gráafico adecuado que represente la informacióon e interprete el

#gráfico, indicando al menos dos aspectos que considere relevantes.

hist(sueldos, descansos = "Sturges")

#EJERCICIO 6:Se lleva a cabo un estudio, por medio de detectores radioactivos

#sobre la capacidad corporal para absorver hierro y plomo.

#En el estudio participaron 6 personas y obtuvieron los siguientes resultados:

Hierro <- c(1.7, 2.2, 3.5, 4.3, 6.0, 8.0)

Plomo <- c(2.1, 1.8, 2.5, 4.2, 4.0, 5.3)

plot(Hierro, Plomo, main="Gráfico de dispersión")

cov(Hierro, Plomo)

cor(Hierro, Plomo)

#EJERCICIO 7:Se ha evidenciado un mejor rendimiento en alumnos cuyas madres

#tiene un alto nivel de escolaridad, para ello se tomo una muestra de distintos

#niños y se les consulto por su promedio final del año en que se encuentran

#y respondieron por la cantidad de años de estudio de su madre, obteniéndose los siguientes

resultados:

Promedio_Final <- c(4.7, 6.2, 5.5, 6.7, 4.2, 6.0)

Años_escolaridad_Madre <- c(7, 12, 9, 15, 6, 10)

plot(Promedio_Final,Años_escolaridad_Madre, main="Rendimiento de alumnos",col="blue" )

cov(Promedio_Final,Años_escolaridad_Madre)

cor(Promedio_Final,Años_escolaridad_Madre)

#EJERCICIO 8:El gerente de personal de una persona intuye que quizás exista

#relacióon entre el ausentismo laboral y la edad de los trabajadores.

#Selecciona una muestra de 10 trabajadores que se han ausentado y

#la edad de ellos. Los datos se encuentran en la siguiente tabla:

Trabajador <- c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)

Edad <- c(27, 55, 37, 23, 46, 58, 29, 36, 60, 40)

Dias_Ausentes <- c(15, 6, 10, 18, 9, 7, 14, 11, 5, 8)

plot(Edad, Dias_Ausentes,col="red" , xlab="Edad trabajadores", ylab="Cantidad de ausencias

laborales")

cov(Edad, Dias_Ausentes)

cor(Edad, Dias_Ausentes)