Universidad Autnoma Chapingo. Divisin de Ciencias Forestales. Licenciatura en Estadstica Mtodos Multivariados I Tarea.

Mata Lemus Omar

1.- Sea es decir:

. Tomar una Muestra Aleatoria de 100 elementos de dicha distribucin: . A partir de esa muestra, generar dos muestras Bootstrap de la muestra anterior, y

Graficar las fda de todas las muestras en un mismo sistema de ejes coordenados, definidas como:

Respuesta El software que utilice para la realizacin de las grficas fue R. Lo primero que realice fue la creacin de los 100 nmeros aleatorios de la distribucin normal estndar. Despus, utilizando la funcin sample tome dos muestras aleatorias con remplazo de la muestra que realice antes. Lo siguiente fue encontrar la acumulada de cada observacin de la muestra original, usando la fda de la distribucin normal estndar. Para las acumuladas de las empricas desarroll una funcin indicada para los tres conjuntos de datos al mismo tiempo, para despus graficar todas las funciones juntas. Se anexa cdigo en R, adems de la grfica obtenida en dicho software x<-rnorm(100) y<-pnorm(x) b<-sample(x,100,replace=TRUE) c<-sample(x,100,replace=TRUE) Boot<-function(f,g,h) { df<-rep(0,100) dg<-rep(0,100) dh<-rep(0,100) for (i in 1:100) { auxf<-0 auxg<-0 auxh<-0

tf<-f[i] tg<-g[i] th<-h[i] for (j in 1:100) { if (tf>=f[j]) {vf<-1} else {vf<-0} auxf<-auxf+vf if (tg>=g[j]) {vg<-1} else {vg<-0} auxg<-auxg+vg if (th>=h[j]) {vh<-1} else {vh<-0} auxh<-auxh+vh } promf<-(1/100)*auxf promf->df[i] promg<-(1/100)*auxg promg->dg[i] promh<-(1/100)*auxh promh->dh[i] } print(df) print(dg) print(dh) plot(x,y,main="Muestras Bootstrap", ylab="Funcin de Distr. Acum. de x") points(f,df, col=2) points(g,dg, col=3) points(h,dh, col=4) } Boot(x,b,c)

Donde los puntos en negro representan la F(x) poblacional, los puntos en rojo a la F(x) emprica de la muestra original, y los puntos en azul y verde representan a las acumuladas empricas del primer y segundo bootstrap, respectivamente.

2.- Del Informe Nacional sobre Desarrollo Humano, encontrar la mediana de la variable idhs y tomando en cuenta a todos los municipios del pas. Despus tomar 125 municipios al azar, encontrar su mediana, y ver que tanto dista de la mediana poblacional. Tomar una nueva muestra de 25 elementos de la poblacin y calcular su mediana. De esta ltima, generar 1000 muestras bootstrap, estimar la mediana de cada una:

Con estas medianas, calcular su media y varianza muestral, definidas como: . Calcular adems los I. de Confianza: . Por ltimo, revisar si el Intervalo de confianza cubre a la mediana del idhs poblacional Respuesta Para este problema, realizado tambin en R, lo primero en hacer fue llamar los datos que guarde anteriormente en un archivo de texto, para despus convertirlos en un vector. Teniendo los datos, calcule la mediana poblacional. Despus realice la muestra aleatoria de tamao 125, al cual tambin le calcul la mediana. Lo siguiente fue realizar la funcin que encontrar la media, varianza, y los Intervalos de Confianza de las 1000 muestras bootstrap, adems que de sealar la diferencia entre mediana muestral y mediana poblacional, e indicar si el valor de la mediana poblacional se encontraba en los intervalos de confianza dados. Se anexa el cdigo en R, adems de las conclusiones a las que se lleg en el problema a<-read.table("C:/Users/Omar/Desktop/Municipios.txt") x<-c(a[,1]) b<-median(x) y<-sample(x,125,replace=FALSE) c<-median(y) Boot2<-function(f) { z<-sample(f,25,replace=FALSE) z1<-median(z) g<-rep(0,1000) for (i in 1:1000) { d<-sample(z,25,replace=TRUE) e<-median(d) g[i]<-e } print(g) media<-mean(g) varianza<-var(g) desvest<-sd(g)

iconi1<-z1-desvest icons1<-z1+desvest iconi2<-z1-2*desvest icons2<-z1+2*desvest dif<-b-abs(c) print("La diferencia entre la mediana poblacional y la de la muestra aleatoria es:") print(dif) print("Mediana Poblacional=") print(b) print("Media de los Bootstrap=") print(media) print("Varianza de los Bootstrap=") print(varianza) print("El intervalo de confianza al 60% para la mediana es:", quote=FALSE) print (iconi1); print(icons1) print("El intervalo de confianza al 95% para la mediana es:", quote=FALSE) print(iconi2); print(icons2) if (b>=iconi1) { if (b<=icons1) { print("La mediana poblacional s est contenida en el I. de C. al 60%")} else {print("La mediana poblacional no est contenida en el I. de C. al 60%") } } else {print("La mediana poblacional no est contenida en el I. de C. al 60%")} if (b>=iconi2) { if(b<=icons2) { print("La mediana poblacional s est contenida en el I. de C. al 95%")} else {print("La mediana poblacional no est contenida en el I. de C. al 95%")} } else print("La mediana poblacional no est contenida en el I. de C. al 95%") } Boot2(x)

De acuerdo a la salida de R, estos fueron los resultados que se obtuvieron: [1] "La diferencia entre la mediana poblacional y la de la muestra aleatoria es:" [1] -0.009604 [1] "Mediana Poblacional:" [1] 0.832502 [1] "Media de los Bootstrap:" [1] 0.8266227 [1] "Varianza de los Bootstrap:" [1] 0.0003780352 [1] El intervalo de confianza al 60% para la mediana es: [1] 0.8076819 [1] 0.8465681 [1] El intervalo de confianza al 95% para la mediana es: [1] 0.7882387 [1] 0.8660113 [1] "La mediana poblacional (0.832502) s est contenida en el I. de C. al 60%" [1] "La mediana poblacional (0.832502) s est contenida en el I. de C. al 95%"