srivo2018 Distiouciones de probabildas en R
Distribuciones de probabilidad en R
Ejemplo 1: distribuci6n binomial
Ejemplo2: Distribucién normal.
Distribucién de la media en el muestreo. Teorema central del limite.
Distribuciones bootstrap
Estimacién por mSxima verosimilitud
Més informacién
Distribuciones de probabilidad en R
Angelo Santana & Carmen Nieves Hernéndez,
Departamento de Matemiticas, ULPGC
Distribuciones de probabilidad en R
Elpaquete stats de R (que se instala por defecto al instalar R, y se carga en memoria siempre que
iniciamos sesién) implementa numerosas Funciones para la realizacién de célculos asociados a
distintas distribuciones de probabilidad. Entre las utilizadas més comunmente podemos citar:
Distribuciones Discretas Distribuciones Continuas
Distribucién NombreenR Distribucién Nombre en R
Binomial binom Uniforme nif
Poisson pois Normal norm
Geomeétrica geom t student t
Hipergeométrica hyper FFisher F
Binomial Negativa _nbinom Chi-Cuadrado ——chisq
Exponencial exp
Gamma gamma
Weibull weibull
Wde Wilcoxon —_wilcox
Ejecutando:
itp hewn dma. upge.esiprofesorasipersonalistaveursoRAULPGCH10-distibProbabilidad hint 1128,sriv0n018 Distiouciones de probabildas en R
help(Distributions)
se nos muestra el istado de distribuciones de probabilidad disponibles en el paquete stats . Otras
distribuciones estan disponibles en otros paquetes (http://eran.r-
project.org/web/views/Distributions.html)
Para cada distribucién, R dispone de cuatro funciones. Se puede acceder a cada una de ellas
simplemente precediendo el nombre de la distribucién que figura en la tabla anterior por la letra que
se indica a continuacién:
+ d:funcién de densidad 0 de probabilidad.
+p: funcién de distribucién
+ q:funcién para el cdlculo de cuantiles,
+ mfunci6n para simular datos con dicha distribucién.
Asi, por ejemplo, para la distribucién normal, la Funcién de densidad se obtiene como dnorn() , la
Funcién de distribucién como pnorm() , los cuantiles se calculan mediante anorn() y se pueden
generar valores aleatorios con distribucién normal mediante rnorm() . Puede consultarse la ayuda,
help(dnorm) para conocer la sintaxis especifica de estas funciones.
Ejemplo 1: distribucién binomial
Si\(X\) sigue una distribuci6n binomial \(B(n,p)\), entonces:
+ \(P\left(X=k\right)\) = dbinom(k,n,p)
+ \(P\left(X\le k\right)\) = pbinom(k,n,p)
+ \(q_fa}=\min\left\{ x:\, P\left(x\le x\right)\ge a\right\}\) = abinom(a,n,p)
+ rbinom(n,n,p) genera \(m\) valores aleatorios con esta distribucién
Si\(X\approx B(10,0.6)\) tenemos:
+ \(P\left(x=a\right)\)
dbinom(8,10,0.6)
## [1] 0.1209324
itp hewn. dma. upge.esiprofesorasipersonalistaveursoRAULPGCH10-distibProbabiidad hl 2105srivo2018 Distiouciones de probabilias en R
+ \(P\leFt@\le 8\right)\)
pbinom(8,10,0.6)
#4 [1] 0.9536426
o también:
sum(dbinon(@:8,10,0.6))
#4 [1] 09536426
+ \(@{0.95}=\min\left\{ x:\, P\left(x\le x\right)\ge 0.95\right\)\)
qbinon(@.95,10,.6)
## (1) 8
Podemos obtener simultaneamente varios cuantiles:
qbinom(<(2.05,0.95),10,0.6)
wa [2] 38
+ Simulamos 15 valores de esta distribucién:
rbinom(15,18,@.6)
mH [1] 565555668678469
Podemos representar Facilmente la Funcién de probabilidad de la distribucién
plot (dbinom(a:10,10, 0.6), typ:
8(10,0.6)")
itp hewn. dma. upge.esiprofesorasipersonalistaveursoRAULPGCH10-distibProbabiidad hl
‘uncién de Probabilidad