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 ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
10.2 Conjunto <strong>de</strong> datos: Tiempo <strong>de</strong> acesso a la web <strong>de</strong>s<strong>de</strong> biblioteca 85<br />
> shape.tiempos=as.numeric(ajuste.weibull$estimate[1])<br />
> scale.tiempos=as.numeric(ajuste.weibull$estimate[2])<br />
Una vez que hemos hecho el ajuste, vamos a hacer los tres gráficos que hemos visto<br />
anteriorm<strong>en</strong>te, que nos permit<strong>en</strong> comparar: (1) el histograma <strong>de</strong> los tiempos con respecto<br />
a la <strong>de</strong>nsidad <strong>de</strong> la Weibull; (2) la función <strong>de</strong> distribución empírica <strong>de</strong> los datos con<br />
respecto a la función <strong>de</strong> distribución <strong>de</strong> una Weibull y (3) los cuantiles <strong>de</strong> los datos con<br />
respecto a los cuantiles <strong>de</strong> la distribución Weibull. Entonces:<br />
> par(mfrow=c(1,3))<br />
> hist(tiempos,breaks=puntos,freq=FALSE)<br />
> lines(x,dweibull(x,shape.tiempos,scale.tiempos))<br />
> plot(ecdf(tiempos),do.points=F)<br />
> lines(x,pweibull(x,shape.tiempos,scale.tiempos))<br />
> qqplot(tiempos,rweibull(1000,shape.tiempos,scale.tiempos))<br />
También po<strong>de</strong>mos probar la log-normal. Recordamos que la distribución log-normal<br />
ti<strong>en</strong>e dos parámetros, que aquí aparec<strong>en</strong> con los nombre <strong>de</strong> meanlog y sdlog.<br />
> ?rlnorm<br />
> ajuste.lognormal=fitdistr(tiempos,"log-normal")<br />
> ajuste.lognormal<br />
meanlog sdlog<br />
0.350742387 0.086756565<br />
(0.011698253) (0.008271914)<br />
Guardamos esos valores <strong>en</strong> meanlog.tiempos y sdlog.tiempos:<br />
> meanlog.tiempos=as.numeric(ajuste.lognormal$estimate[1])<br />
> sdlog.tiempos=as.numeric(ajuste.lognormal$estimate[2])<br />
Una vez que hemos hecho el ajuste, vamos a hacer los tres gráficos que hemos visto<br />
anteriorm<strong>en</strong>te, que nos permit<strong>en</strong> comparar: (1) el histograma <strong>de</strong> los tiempos con respecto<br />
a la <strong>de</strong>nsidad <strong>de</strong> la log-normal; (2) la función <strong>de</strong> distribución empírica <strong>de</strong> los datos con<br />
respecto a la función <strong>de</strong> distribución <strong>de</strong> una log-normal; y (3) los cuantiles <strong>de</strong> los datos<br />
con respecto a los cuantiles <strong>de</strong> la distribución log-normal. Entonces:<br />
> par(mfrow=c(1,3))<br />
> hist(tiempos,breaks=puntos,freq=FALSE)<br />
> lines(x,dlnorm(x,meanlog.tiempos,sdlog.tiempos))<br />
> plot(ecdf(tiempos),do.points=F)<br />
> lines(x,plnorm(x,meanlog.tiempos,sdlog.tiempos))<br />
> qqplot(tiempos,rlnorm(1000,meanlog.tiempos,sdlog.tiempos))