PUNTO 12- TALLER 3

# Crea un vector de valores de theta (probabilidades de éxito)

theta_values <- seq(0, 1, by = 0.01)

# Calcula beta1(theta) para x = 5

beta1 <- theta_values^5

# Calcula beta2(theta) para x = 3, 4, o 5

beta2 <- pbinom(5, size = 5, prob = theta_values) - pbinom(2, size = 5, prob = theta_values)
# Configura la ventana gráfica

par(mfrow = c(1, 1))

# Grafica beta1(theta)

plot(theta_values, beta1, type = "l", col = "blue", xlab = "Theta", ylab = "Beta", ylim = c(0, 1), main
= "Funciones de Potencia")

lines(theta_values, beta2, type = "l", col = "red")

legend("topright", legend = c("Beta1 (x = 5)", "Beta2 (x = 3,4,5)"), col = c("blue", "red"), lty = 1)

# Agrega una línea horizontal en y = beta

abline(h = 0.5, col = "green", lty = 2)

PUNTO 12- TALLER 4

C
Se puede observar que este cambio hace R2 sea más sensible a cambios en θ respecto a R, además
los intervalos de verosimilitud varían en tamaño y posición a medida p cambia. Para valores más
altos de p, los intervalos tienden a ser más amplios, lo que indica que hay un rango más amplio de
valores de θ que cumplen con la condición R(θ) ≥ P o R2(θ) ≥ P.

PUNTO 13

B.
C