Prácticas de Estadística en R - Departamento de Estadística e ...

More documents

Recommendations

Info

50 6. Variables aleatorias de lanzar un dado o el número de aciertos en una quiniela son variables aleatorias discretas. 2. Variables aleatorias discretas son las que toman valores de la recta real. Por ejemplo, el tiempo de espera hasta que te conectas a la página web o el índice de masa corporal son variables aleatorias continuas. Pero gracias a nuestra experiencia sabemos que los valores de ciertos experimentos se repiten unos más que otros. Por ejemplo, sabemos que es más frecuente tener 7 aciertos en la quiniela que 14, o que el tiempo de espera en conectarse la página web principal de la Universidad de Santiago de Compostela no suele ser mayor que 1 segundo. Esto ya lo sabemos ya que hemos visto como obtener frecuencias absolutas y relativas. El concepto de probabilidad procede de estas frecuencias. Gracias a la probabilidad, podemos relacionar los conceptos de población y muestra e inferir si los resultados sobre una muestra pueden ser extrapolados al conjunto de la población. Vamos a ver esto con varios ejemplos. 6.2. Distribución de Bernoulli Vamos a comprobar los resultados del lanzamiento de una moneda. Sólo tenemos dos posibles resultados para cada lanzamiento: cara o cruz. El ejercicio es el siguiente. Vamos a escribir una función que simule los lanzamientos de una moneda. Para ello, utilizamos la siguiente función, donde los valores “C” corresponden a caras y los valores “X” corresponden a cruces: > moneda=function(n){mon=c(); u=runif(n); mon[u=0.5]="X";mon} Esta función proporciona n resultados del lanzamiento de una moneda al aire. Probamos los resultados para 5 lanzamientos. > n=5 > moneda(n) [1] "X" "C" "X" "C" "C" > moneda(n) [1] "C" "X" "C" "C" "C" > moneda(n) [1] "X" "X" "X" "C" "C" Vemos qué ocurre cuando el número de lanzamientos va creciendo: > num.lan=10 > lanzamientos=moneda(num.lan) > frec.abs=table(lanzamientos) # Corresponde a las frecuencias absolutas > frec.rel=frec.abs/num.lan # Corresponde a las frecuencias relativas
6.2 Distribución de Bernoulli 51 > par(mfrow=c(4,1)) > barplot(frec.rel,col="lightblue",ylab="Frecuencias relativas",main="Diagrama de barras de Lanzamientos") > num.lan=100 > lanzamientos=moneda(num.lan) > frec.abs=table(lanzamientos) # Corresponde a las frecuencias absolutas > frec.rel=frec.abs/num.lan # Corresponde a las frecuencias relativas > barplot(frec.rel,col="lightblue",ylab="Frecuencias relativas",main="Diagrama de barras de Lanzamientos") > num.lan=1000 > lanzamientos=moneda(num.lan) > frec.abs=table(lanzamientos) # Corresponde a las frecuencias absolutas > frec.rel=frec.abs/num.lan # Corresponde a las frecuencias relativas > barplot(frec.rel,col="lightblue",ylab="Frecuencias relativas",main="Diagrama de barras de Lanzamientos") > num.lan=10000 > lanzamientos=moneda(num.lan) > frec.abs=table(lanzamientos) # Corresponde a las frecuencias absolutas > frec.rel=frec.abs/num.lan # Corresponde a las frecuencias relativas > barplot(frec.rel,col="lightblue",ylab="Frecuencias relativas",main="Diagrama de barras de Lanzamientos") Diagrama de barras de Lanzamientos Frecuencias relativas 0.0 0.4 C X Diagrama de barras de Lanzamientos Frecuencias relativas 0.0 0.4 C X Diagrama de barras de Lanzamientos Frecuencias relativas 0.0 0.4 C X Diagrama de barras de Lanzamientos Frecuencias relativas 0.0 0.4 C X Figura 6.1: Frecuencias relativas para el lanzamiento de monedas con n = 10, 100, 1000, 10000. Parece ser que, cuanto mayor es el número de intentos, más se acerca la frecuencia relativa del número de caras a 0.5. Este valor corresponde a lo que llamamos probabilidad de
Page 1:
Prácticas de Estadística en R Ing
Page 5 and 6:
Índice general 1. Introducción 1
Page 7: ÍNDICE GENERAL V 10.Tests de bonda
Page 11 and 12: Capítulo 2 El software R 2.1. Intr
Page 13 and 14: 2.3 Objetos y operaciones básicas
Page 19 and 20: 2.4 Procedimientos gráficos 11 lis
Page 21 and 22: 2.5 Programando en R 13 2.5. Progra
Page 23 and 24: 2.7 Importando datos 15 mva: Análi
Page 25 and 26: Capítulo 3 Un ejemplo para aprende
Page 27 and 28: 3.3 El código 19 tachada0){
Page 29 and 30: Capítulo 4 Ejercicios para practic
Page 33 and 34: 4.4 Gráficos 25 4. Sean A una matr
Page 35 and 36: 4.5 Programando en R 27 a las 17:00
Page 37 and 38: 4.6 Ejercicios de exámenes 29 2. (
Page 39 and 40: 4.6 Ejercicios de exámenes 31 Aña
Page 41 and 42: 4.6 Ejercicios de exámenes 33 a) I
Page 43 and 44: 4.6 Ejercicios de exámenes 35 Par
Page 45 and 46: Capítulo 5 Estadística descriptiv
Page 47 and 48: 5.3 Tablas de frecuencia y gráfico
Page 49 and 50: 5.4 Tablas de frecuencia y gráfico
Page 51 and 52: 5.5 Medidas de centralización, dis
Page 53 and 54: 5.5 Medidas de centralización, dis
Page 55 and 56: 5.6 Gráficos para multiples variab
Page 57: Capítulo 6 Variables aleatorias 6.
Page 61 and 62: 6.3 Distribución binomial 53 Podem
Page 63 and 64: 6.4 Distribución de Poisson 55 pro
Page 65 and 66: 6.5 Distribución exponencial 57 va
Page 67 and 68: 6.7 Distribución normal 59 6.7. Di
Page 69 and 70: 6.9 Teorema Central del Límite 61
Page 71: 6.9 Teorema Central del Límite 63
Page 74 and 75: 66 7. Transformaciones de variables
Page 77 and 78: Capítulo 8 Gráficos dinámicos pa
Page 79 and 80: 8.5 Reescalado y utilización de fa
Page 81 and 82: 8.6 Representación gráfica de dat
Page 83 and 84: 8.7 Brushing 75 Por ejemplo, hacemo
Page 85 and 86: Capítulo 9 Inferencia paramétrica
Page 87 and 88: 9.3 Un ejemplo: la paradoja de Mèr
Page 89 and 90: Capítulo 10 Tests de bondad de aju
Page 91 and 92: 10.2 Conjunto de datos: Tiempo de a
Page 99 and 100: Capítulo 11 Intervalos de confianz
Page 101 and 102: 11.2 Distribuciones asociadas al mu
Page 103 and 104: 11.4 Intervalos de confianza y cont
Page 105 and 106: Capítulo 12 El modelo de regresió
Page 107 and 108: 12.2 Simulación de observaciones 9
Page 109 and 110:
12.4 Análisis del modelo 101 12.4.
show all

Prácticas de Estadística en R - Departamento de Estadística e ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?