make plots available

04-vectoresAleatorios.Rmd

@@ -118,17 +118,25 @@ library(ggplot2)
 data <- expand.grid(X = c(0, 1), Y = c(0, 1))
 data$Prob <- c(0.4, 0.2, 0.1, 0.3)
 
-# Graficar la distribución conjunta
-ggplot(data, aes(x = factor(X, labels = c("No infectada", "Infectada")),
-                 y = factor(Y, labels = c("No activada", "Activada")))) +
+# Crear el gráfico
+p <- ggplot(data, aes(x = factor(X, labels = c("No infectada", "Infectada")),
+                      y = factor(Y, labels = c("No activada", "Activada")))) +
   geom_tile(aes(fill = Prob), color = "white") +
   scale_fill_gradient(low = "white", high = "blue") +
   geom_text(aes(label = round(Prob, 2)), size = 5) +
   labs(x = "Estado de infección (X)", y = "Estado de activación (Y)", 
        title = "Distribución Conjunta de Infección y Activación Celular") +
   theme_minimal()
+
+# Guardar el gráfico en el subdirectorio imagenes
+ggsave("images/distribucion_conjunta.png", plot = p, width = 6, height = 4, dpi = 300)
+```
+
+```{r, out.width="80%"}
+knitr::include_graphics("images/distribucion_conjunta.png")
 ```
 
+
 ::::
 
 
@@ -532,38 +540,10 @@ Esta expresión se generaliza fácilmente de la distribución normal univariante
 
 #### Ejemplo
 
-Consideremos el siguiente ejemplo: queremos modelar el peso ($X$) y la altura ($Y$) de una población con la siguiente distribución normal bivariante:
-
-- $\mu_X = 70$ kg (media del peso),
-- $\mu_Y = 175$ cm (media de la altura),
-- $\sigma_X = 10$ kg (desviación estándar del peso),
-- $\sigma_Y = 7$ cm (desviación estándar de la altura),
-- $\rho = 0.6$ (correlación positiva entre peso y altura).
-
-Podemos simular y visualizar esta distribución en R:
-
-```{r}
-library(MASS)  # Para la función mvrnorm
-library(ggplot2)
-
-# Definir parámetros
-mu <- c(70, 175)  # Medias (peso, altura)
-sigma <- matrix(c(10^2, 0.6*10*7, 0.6*10*7, 7^2), 2, 2)  # Matriz de covarianza
+En vez de proporcionar un código para visualizar la distribución normal bivariante podéis seguir este enlace: [https://datasciencegenie.com/3d-contour-plots-of-bivariate-normal-distribution/](https://datasciencegenie.com/3d-contour-plots-of-bivariate-normal-distribution/) en donde se extiende lo que acabamos de discutir y se proporciona algunos ejemplos con R.
+::::
 
-# Generar 1000 observaciones de la distribución normal bivariante
-set.seed(123)
-data <- mvrnorm(n = 1000, mu = mu, Sigma = sigma)
-df <- data.frame(Peso = data[,1], Altura = data[,2])
 
-# Graficar la distribución conjunta
-ggplot(df, aes(x = Peso, y = Altura)) +
-  geom_point(alpha = 0.6, color = "blue") +
-  labs(title = "Simulación de la Distribución Normal Bivariante",
-       x = "Peso (kg)", y = "Altura (cm)") +
-  theme_minimal()
-```
-
-::::
 
 #### Distribuciones Marginales
 

docs/_main.tex

@@ -3755,19 +3755,28 @@ \subsubsection{Implementación en R}\label{implementaciuxf3n-en-r}
 \NormalTok{data }\OtherTok{\textless{}{-}} \FunctionTok{expand.grid}\NormalTok{(}\AttributeTok{X =} \FunctionTok{c}\NormalTok{(}\DecValTok{0}\NormalTok{, }\DecValTok{1}\NormalTok{), }\AttributeTok{Y =} \FunctionTok{c}\NormalTok{(}\DecValTok{0}\NormalTok{, }\DecValTok{1}\NormalTok{))}
 \NormalTok{data}\SpecialCharTok{$}\NormalTok{Prob }\OtherTok{\textless{}{-}} \FunctionTok{c}\NormalTok{(}\FloatTok{0.4}\NormalTok{, }\FloatTok{0.2}\NormalTok{, }\FloatTok{0.1}\NormalTok{, }\FloatTok{0.3}\NormalTok{)}
 
-\CommentTok{\# Graficar la distribución conjunta}
-\FunctionTok{ggplot}\NormalTok{(data, }\FunctionTok{aes}\NormalTok{(}\AttributeTok{x =} \FunctionTok{factor}\NormalTok{(X, }\AttributeTok{labels =} \FunctionTok{c}\NormalTok{(}\StringTok{"No infectada"}\NormalTok{, }\StringTok{"Infectada"}\NormalTok{)),}
-                 \AttributeTok{y =} \FunctionTok{factor}\NormalTok{(Y, }\AttributeTok{labels =} \FunctionTok{c}\NormalTok{(}\StringTok{"No activada"}\NormalTok{, }\StringTok{"Activada"}\NormalTok{)))) }\SpecialCharTok{+}
+\CommentTok{\# Crear el gráfico}
+\NormalTok{p }\OtherTok{\textless{}{-}} \FunctionTok{ggplot}\NormalTok{(data, }\FunctionTok{aes}\NormalTok{(}\AttributeTok{x =} \FunctionTok{factor}\NormalTok{(X, }\AttributeTok{labels =} \FunctionTok{c}\NormalTok{(}\StringTok{"No infectada"}\NormalTok{, }\StringTok{"Infectada"}\NormalTok{)),}
+                      \AttributeTok{y =} \FunctionTok{factor}\NormalTok{(Y, }\AttributeTok{labels =} \FunctionTok{c}\NormalTok{(}\StringTok{"No activada"}\NormalTok{, }\StringTok{"Activada"}\NormalTok{)))) }\SpecialCharTok{+}
   \FunctionTok{geom\_tile}\NormalTok{(}\FunctionTok{aes}\NormalTok{(}\AttributeTok{fill =}\NormalTok{ Prob), }\AttributeTok{color =} \StringTok{"white"}\NormalTok{) }\SpecialCharTok{+}
   \FunctionTok{scale\_fill\_gradient}\NormalTok{(}\AttributeTok{low =} \StringTok{"white"}\NormalTok{, }\AttributeTok{high =} \StringTok{"blue"}\NormalTok{) }\SpecialCharTok{+}
   \FunctionTok{geom\_text}\NormalTok{(}\FunctionTok{aes}\NormalTok{(}\AttributeTok{label =} \FunctionTok{round}\NormalTok{(Prob, }\DecValTok{2}\NormalTok{)), }\AttributeTok{size =} \DecValTok{5}\NormalTok{) }\SpecialCharTok{+}
   \FunctionTok{labs}\NormalTok{(}\AttributeTok{x =} \StringTok{"Estado de infección (X)"}\NormalTok{, }\AttributeTok{y =} \StringTok{"Estado de activación (Y)"}\NormalTok{, }
        \AttributeTok{title =} \StringTok{"Distribución Conjunta de Infección y Activación Celular"}\NormalTok{) }\SpecialCharTok{+}
   \FunctionTok{theme\_minimal}\NormalTok{()}
+
+\CommentTok{\# Guardar el gráfico en el subdirectorio imagenes}
+\FunctionTok{ggsave}\NormalTok{(}\StringTok{"images/distribucion\_conjunta.png"}\NormalTok{, }\AttributeTok{plot =}\NormalTok{ p, }\AttributeTok{width =} \DecValTok{6}\NormalTok{, }\AttributeTok{height =} \DecValTok{4}\NormalTok{, }\AttributeTok{dpi =} \DecValTok{300}\NormalTok{)}
 \end{Highlighting}
 \end{Shaded}
 
-\includegraphics{_main_files/figure-latex/unnamed-chunk-9-1.pdf}
+\begin{Shaded}
+\begin{Highlighting}[]
+\NormalTok{knitr}\SpecialCharTok{::}\FunctionTok{include\_graphics}\NormalTok{(}\StringTok{"images/distribucion\_conjunta.png"}\NormalTok{)}
+\end{Highlighting}
+\end{Shaded}
+
+\includegraphics[width=0.8\linewidth]{images/distribucion_conjunta}
 
 \subsection{Variable aleatorias bivariantes discretas}\label{variable-aleatorias-bivariantes-discretas}
 
@@ -3986,8 +3995,8 @@ \subsubsection{Ejemplo de distribución bivariante discreta}\label{ejemplo-de-di
 \end{Shaded}
 
 \begin{verbatim}
-## RStudioGD 
-##         2
+## pdf 
+##   2
 \end{verbatim}
 
 \begin{Shaded}
@@ -4301,48 +4310,7 @@ \subsubsection{La Distribución Normal Bivariante}\label{la-distribuciuxf3n-norm
 
 \paragraph{Ejemplo}\label{ejemplo}
 
-Consideremos el siguiente ejemplo: queremos modelar el peso (\(X\)) y la altura (\(Y\)) de una población con la siguiente distribución normal bivariante:
-
-\begin{itemize}
-\tightlist
-\item
-  \(\mu_X = 70\) kg (media del peso),
-\item
-  \(\mu_Y = 175\) cm (media de la altura),
-\item
-  \(\sigma_X = 10\) kg (desviación estándar del peso),
-\item
-  \(\sigma_Y = 7\) cm (desviación estándar de la altura),
-\item
-  \(\rho = 0.6\) (correlación positiva entre peso y altura).
-\end{itemize}
-
-Podemos simular y visualizar esta distribución en R:
-
-\begin{Shaded}
-\begin{Highlighting}[]
-\FunctionTok{library}\NormalTok{(MASS)  }\CommentTok{\# Para la función mvrnorm}
-\FunctionTok{library}\NormalTok{(ggplot2)}
-
-\CommentTok{\# Definir parámetros}
-\NormalTok{mu }\OtherTok{\textless{}{-}} \FunctionTok{c}\NormalTok{(}\DecValTok{70}\NormalTok{, }\DecValTok{175}\NormalTok{)  }\CommentTok{\# Medias (peso, altura)}
-\NormalTok{sigma }\OtherTok{\textless{}{-}} \FunctionTok{matrix}\NormalTok{(}\FunctionTok{c}\NormalTok{(}\DecValTok{10}\SpecialCharTok{\^{}}\DecValTok{2}\NormalTok{, }\FloatTok{0.6}\SpecialCharTok{*}\DecValTok{10}\SpecialCharTok{*}\DecValTok{7}\NormalTok{, }\FloatTok{0.6}\SpecialCharTok{*}\DecValTok{10}\SpecialCharTok{*}\DecValTok{7}\NormalTok{, }\DecValTok{7}\SpecialCharTok{\^{}}\DecValTok{2}\NormalTok{), }\DecValTok{2}\NormalTok{, }\DecValTok{2}\NormalTok{)  }\CommentTok{\# Matriz de covarianza}
-
-\CommentTok{\# Generar 1000 observaciones de la distribución normal bivariante}
-\FunctionTok{set.seed}\NormalTok{(}\DecValTok{123}\NormalTok{)}
-\NormalTok{data }\OtherTok{\textless{}{-}} \FunctionTok{mvrnorm}\NormalTok{(}\AttributeTok{n =} \DecValTok{1000}\NormalTok{, }\AttributeTok{mu =}\NormalTok{ mu, }\AttributeTok{Sigma =}\NormalTok{ sigma)}
-\NormalTok{df }\OtherTok{\textless{}{-}} \FunctionTok{data.frame}\NormalTok{(}\AttributeTok{Peso =}\NormalTok{ data[,}\DecValTok{1}\NormalTok{], }\AttributeTok{Altura =}\NormalTok{ data[,}\DecValTok{2}\NormalTok{])}
-
-\CommentTok{\# Graficar la distribución conjunta}
-\FunctionTok{ggplot}\NormalTok{(df, }\FunctionTok{aes}\NormalTok{(}\AttributeTok{x =}\NormalTok{ Peso, }\AttributeTok{y =}\NormalTok{ Altura)) }\SpecialCharTok{+}
-  \FunctionTok{geom\_point}\NormalTok{(}\AttributeTok{alpha =} \FloatTok{0.6}\NormalTok{, }\AttributeTok{color =} \StringTok{"blue"}\NormalTok{) }\SpecialCharTok{+}
-  \FunctionTok{labs}\NormalTok{(}\AttributeTok{title =} \StringTok{"Simulación de la Distribución Normal Bivariante"}\NormalTok{,}
-       \AttributeTok{x =} \StringTok{"Peso (kg)"}\NormalTok{, }\AttributeTok{y =} \StringTok{"Altura (cm)"}\NormalTok{) }\SpecialCharTok{+}
-  \FunctionTok{theme\_minimal}\NormalTok{()}
-\end{Highlighting}
-\end{Shaded}
-
-\includegraphics{_main_files/figure-latex/unnamed-chunk-11-1.pdf}
+En vez de proporcionar un código para visualizar la distribución normal bivariante podéis seguir este enlace: \url{https://datasciencegenie.com/3d-contour-plots-of-bivariate-normal-distribution/} en donde se extiende lo que acabamos de discutir y se proporciona algunos ejemplos con R.
 
 \paragraph{Distribuciones Marginales}\label{distribuciones-marginales-1}
 
@@ -4444,7 +4412,7 @@ \subsubsection{Distribuciones Condicionales}\label{distribuciones-condicionales-
 \end{Shaded}
 
 \begin{verbatim}
-## [1] 74.28571
+## [1] 154.2857
 \end{verbatim}
 
 \begin{Shaded}