Prácticas de Estadística en R - Departamento de Estadística e ...
Prácticas de Estadística en R - Departamento de Estadística e ...
Prácticas de Estadística en R - Departamento de Estadística e ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
6.5 Distribución expon<strong>en</strong>cial 57<br />
variable aleatoria que mi<strong>de</strong> el tiempo <strong>en</strong>tre difer<strong>en</strong>tes <strong>en</strong>tradas ti<strong>en</strong>e una distribución expon<strong>en</strong>cial<br />
<strong>de</strong> parámetro λ. La función <strong>de</strong> <strong>de</strong>nsidad <strong>de</strong> una variable expon<strong>en</strong>cial está dada<br />
por:<br />
{ λe<br />
−λx<br />
si x ≥ 0,<br />
f (x) =<br />
0 si x < 0.<br />
¿De dón<strong>de</strong> proce<strong>de</strong> esta función <strong>de</strong> <strong>de</strong>nsidad? Veamos qué es lo que ocurre cuando<br />
medimos los tiempos <strong>en</strong>tre <strong>en</strong>tradas a la página web. En R po<strong>de</strong>mos g<strong>en</strong>erar datos <strong>de</strong><br />
una distribución expon<strong>en</strong>cial utilizando la función rexp:<br />
> lam=20<br />
> num.<strong>en</strong>t=100<br />
> tie.<strong>en</strong>t=rexp(num.<strong>en</strong>t,lam)<br />
> par(mfrow=c(5,1))<br />
> n.clases=10<br />
> puntos=min(tie.<strong>en</strong>t)+(0:n.clases)*(max(tie.<strong>en</strong>t)-min(tie.<strong>en</strong>t))/n.clases<br />
> hist(tie.<strong>en</strong>t,breaks=puntos,col="gre<strong>en</strong>",freq=FALSE)<br />
> num.<strong>en</strong>t=1000<br />
> tie.<strong>en</strong>t=rexp(num.<strong>en</strong>t,lam)<br />
> n.clases=32<br />
> puntos=min(tie.<strong>en</strong>t)+(0:n.clases)*(max(tie.<strong>en</strong>t)-min(tie.<strong>en</strong>t))/n.clases<br />
> hist(tie.<strong>en</strong>t,breaks=puntos,col="gre<strong>en</strong>",freq=FALSE)<br />
> num.<strong>en</strong>t=10000<br />
> tie.<strong>en</strong>t=rexp(num.<strong>en</strong>t,lam)<br />
> n.clases=317<br />
> puntos=min(tie.<strong>en</strong>t)+(0:n.clases)*(max(tie.<strong>en</strong>t)-min(tie.<strong>en</strong>t))/n.clases<br />
> hist(tie.<strong>en</strong>t,breaks=puntos,col="gre<strong>en</strong>",freq=FALSE)<br />
> num.<strong>en</strong>t=100000<br />
> tie.<strong>en</strong>t=rexp(num.<strong>en</strong>t,lam)<br />
> n.clases=1000<br />
> puntos=min(tie.<strong>en</strong>t)+(0:n.clases)*(max(tie.<strong>en</strong>t)-min(tie.<strong>en</strong>t))/n.clases<br />
> hist(tie.<strong>en</strong>t,breaks=puntos,col="gre<strong>en</strong>",freq=FALSE)<br />
Lo que comprobamos es que el límite <strong>de</strong>l histograma es una curva que es la función<br />
<strong>de</strong> <strong>de</strong>nsidad. Po<strong>de</strong>mos obt<strong>en</strong>er probabilida<strong>de</strong>s mediante la función <strong>de</strong> probabilidad que<br />
se <strong>de</strong>fine por:<br />
P(X ≤ a) = F (a) =<br />
∫ a<br />
−∞<br />
f (x) dx =<br />
∫ a<br />
0<br />
λe −λx dx = 1 − e −λa .<br />
De otra manera, el área bajo la curva nos proporciona la probabilidad <strong>de</strong> un <strong>de</strong>terminado<br />
suceso. Ahora po<strong>de</strong>mos añadir al gráfico los valores <strong>de</strong> la función <strong>de</strong> <strong>de</strong>nsidad<br />
<strong>de</strong> la variable expon<strong>en</strong>cial.<br />
> plot(seq(0,.5,.001),<strong>de</strong>xp(seq(0,.5,.001),lam),type="l",main="Funcion<br />
<strong>de</strong> <strong>de</strong>nsidad <strong>de</strong> la expon<strong>en</strong>cial")