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 2105srivo2018 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