Proyecto de Aula Probabilidad Segundo Corte

Mauro Martínez

Mileny Velandia Olaya

Profesor Jaime Guarnizo Mosquera

Politécnico Gran Colombiano

Facultad de Ingeniería Diseño e Innovación

Bogotá

2019
R Console Page 1

> T<- read.csv2("kuiper.csv")

> typeCar<- T[,6]
> FtypeCar<- as.factor(typeCar)
> levels(FtypeCar)
[1] "Convertible" "Coupe" "Hatchback" "Sedan" "Wagon"
> y<- summary(FtypeCar)
> y
Convertible Coupe Hatchback Sedan Wagon
50 140 60 490 64
> x<- y[1:5]/sum(y)
> x
Convertible Coupe Hatchback Sedan Wagon
0.06218905 0.17412935 0.07462687 0.60945274 0.07960199
> round(x*100)
Convertible Coupe Hatchback Sedan Wagon
6 17 7 61 8
> #¿Cual es el tipo de auto con la mayor probabilidad de seleccion?
> #R/ el tipo de Auto con mayor probabilidad de seleccion es el seda con 61%
> #¿Cual es el tipo con menor probabilidad de seleccion?
> #R/ el tipo de auto con menor probabilida de seleccion es el Convertible
> #¿Cual es la probabilidad de que un comprador seleccione un tipo Coupe de Auto?
> #R/ La probabilidad de que un comprador seleccione un auto tipo Coupe es del 17%
> #¿Cual es la probabilidad de que un comprador seleccione un tipo Wagon de Auto?
> #R/ La probabilidad de que un comprador seleccione un tipo Wagon es del 8%
> L<-c( T[,12])
> C<-c( T[,10])
> S<-c( T[,11])
> Leather<- factor(L, levels=c(0,1), labels=c("No tiene","tiene"))
> Cruise<- factor(C, levels=c(0,1), labels=c("No tiene","tiene"))
> Sound<- factor(S, levels=c(0,1), labels=c("No tiene","tiene"))
> TablaCuero<-table(typeCar,Leather)
> TablaCuero
Leather
typeCar No tiene tiene
Convertible 13 37
Coupe 30 110
Hatchback 8 52
Sedan 153 337
Wagon 18 46
> TablaSonido<-table(typeCar,Sound)
> TablaSonido
Sound
typeCar No tiene tiene
Convertible 20 30
Coupe 31 109
Hatchback 12 48
Sedan 160 330
Wagon 35 29
> TablaCVC<-table(typeCar,Cruise)
> TablaCVC
Cruise
typeCar No tiene tiene
Convertible 0 50
Coupe 40 100
Hatchback 39 21
Sedan 100 390
Wagon 20 44
> TablaCuero
Leather
typeCar No tiene tiene
Convertible 13 37
Coupe 30 110
Hatchback 8 52
Sedan 153 337
Wagon 18 46
> #¿Cual es la probabilidad que el auto tipo Sedan tenga silleteria en cuero(Leather)?
> round((337/490)*100)
[1] 69
> #R/ La Probabilidad que un auto tipo Sedan tenga silleteria en cuero es del 69%
> TablaCVC
Cruise
typeCar No tiene tiene
Convertible 0 50
R Console Page 2

Coupe 40 100
Hatchback 39 21
Sedan 100 390
Wagon 20 44
> #¿Cual es la probabilidad que el auto tipo Sedan tenga silleteria en CVC(Cruise)?
> round((390/490)*100)
[1] 80
> #R/ La Probabilidad que un auto tipo Sedan tenga CVC es del 80%
> TablaSonido
Sound
typeCar No tiene tiene
Convertible 20 30
Coupe 31 109
Hatchback 12 48
Sedan 160 330
Wagon 35 29
> #¿Cual es la probabilidad que el auto tipo Sedan tenga equipo se sonido actualizado(Sound)?
> round((330/490)*100)
[1] 67
> #R/ La Probabilidad que un auto tipo Sedan tenga Sonido actualizado es del 67%
> #Del total de autos en el mercado de usados en Naples, el 75,25% tiene Control de Velocidad
de Crucero – CVC - y el resto no. Si se seleccionan al azar 50 autos al azar,
> a. ¿Cuál es la probabilidad de que 30 de ellos tengan CVC?
Error: unexpected input in "a. ¿"
> d<- 30/50
> cvc<- 0.7525
> h<- d*cvc
> P<- round(h*100)
> P
[1] 45
> #R/La Probabilidad de que 30 tenga CVC es del 45%
> #b. ¿Cuál es la probabilidad de que más de la mitad tengan CVC?
> round(d*100)
[1] 60
> #R/ La probabilida de que mas de la mitad tenga CVC es del 60% delo 50 autos al Azar
> #c. ¿Cuál es la probabilidad de que exactamente la mitad tengan CVC?
> g<- 25/50
> round(g*100)
[1] 50
> f<-g*cvc
> f
[1] 0.37625
> round(f)
[1] 0
> round(f*100)
[1] 38
> #R/La probabilidad que exctamente la mitad tenga CVC es del 38%
> #La oferta de autos usados en Naples se puede conocer a través de una base de datos.
> a. ¿Cuál es la probabilidad de haya que revisar cinco (5) ofertas para conseguir un “Saturn”
?
Error: unexpected input in "a. ¿"
> make<- T[,3]
> m<- summary(make)
> j<-(m[1:6]/sum(m))*100
> c<-(1*100)-j
> o<-c/100
> k<-o^5
> round(k*100)
Buick Cadillac Chevrolet Pontiac SAAB Saturn
59 59 8 36 47 68
> #R/ La probabilida de que haya que revisar 5 ofertar para un Saturn es del 68%
> #¿Cuál es la probabilidad de haya que revisar cuatro (4) ofertas para conseguir un “Chevrole
t”?
> k<-o^4
> round(k*100)
Buick Cadillac Chevrolet Pontiac SAAB Saturn
66 66 13 44 54 73
> #R/ La probabilida de que haya que revisar 4 ofertar para un Chevrolet es del 13%
> #¿Cuál es la probabilidad de haya que revisar seis (6) ofertas para conseguir un “SAAB”?
> k<-o^6
> round(k*100)
Buick Cadillac Chevrolet Pontiac SAAB Saturn
53 53 5 29 40 63
R Console Page 3

> #R/ La probabilida de que haya que revisar 6 ofertar para un SAAB es del 40%
> #Un gerente comercial de “General Motors” visitará un punto de ventas de autos usados en la
ciudad. De antemano, él desea conocer las siguientes probabilidades.
> #a. Que se encuentre un auto de cada una de las seis marcas (Make) que produce la Compañía.
> w<-summary(FtypeCar)
> a<-sum(w)
> z<-5/a
> z
[1] 0.006218905
> z*100
[1] 0.6218905
> #R/ La posibilidad de que un gerente se encuentre un carros de las 5 marcas que produce la c
ompañia es del 0.62%
> #b. Que se encuentre dos autos de cada una de las marcas Buick, Cadillac y Chevrolet, y ning
ún vehículo de las marcas restantes.
> m
Buick Cadillac Chevrolet Pontiac SAAB Saturn
80 80 320 150 114 60
> n<-m[1:3]
> n
Buick Cadillac Chevrolet
80 80 320
> n<-n-2
> n
Buick Cadillac Chevrolet
78 78 318
> Buick<-2/78
> round(Buick*100)
[1] 3
> Cadillac<-2/78
> round(Cadillac*100)
[1] 3
> Chevrolet<-2/318)
Error: inesperado ')' in "Chevrolet<-2/318)"
> Chevrolet<-2/318
> round(Chevrolet*100)
[1] 1
> #R/ La Probabilidad de que se encuentre dos autos de la marca Buick es del 3%, del marca Cad
illac es del 3% y de la marca Chevrolet es del 1%
>