Practica 4.

Jorge Lopez Blasco y Victor Lucas Pastor

1. ¿Cuál es la probabilidad de que el tiempo de supervivencia supere 12 meses, 3 y

5 años en mujeres premenopáusicas? ¿Y en mujeres postmenopáusicas?

Las Probabilidades son las siguientes:

12 meses 3 años 5 años

Pre 0.7563 0.2184 0.0504
Post 0.8555 0.2722 0.0444

2. Calcula el tiempo de supervivencia medio (valor esperado) utilizando

el modelo probabilístico, para cada grupo de mujeres. Compara este
valor con el valor del tiempo medio de supervivencia observado.
3.
Para las mujeres Post

> x<-subset(breast_cancer,breast_cancer$menostat=='Post')$time

Estudiamos cuales son las posibles distribuciones que se podrían ajustar a nuestros datos.

> descdist(x,boot=500)
Asi que tendemos a pensar que nuestra muestra sigue una distribucion beta. Veamos qué
parámetros teóricos se adecúan más a nuestra muestra si ésta procediera de una distribución
gamma:

Fitting of the distribution ' gamma ' by maximum likelihood

Parameters :
estimate Std. Error
shape 2.767794440 0.2096088800
rate 0.003268633 0.0002424573
Loglikelihood: -1353.561 AIC: 2711.122 BIC: 2717.508
Correlation matrix:
shape rate
shape 1.0000000 0.8419072
rate 0.8419072 1.0000000

Lo cual lo hemos obtenido mediante el comando fitdist y nos ofrece los parametros de la
funcion ylas graficas que como vemos se aproximan bastante.
Deberíamos usar el comando gofstat para que nos de el pvalor asociado al test de
Kolmogorov-Smirnov con hipótesis nula que se ajusta a la distribución e hipótesis alternativa
que no se ajustan.

GO1<-gofstat(fitdist(x,"norm"),fitnames="norm")
GO1$ chisqpvalue

Obtenemos un pvalor de 0.3828 el cual es mayor a 0.05 por lo que deberíamos de aceptar la
hipótesis nula.

Veamos ahora el caso de las mujeres pre. Estudiamos cuales son las posibles distribuciones
que se podrían ajustar a nuestros datos.
Asi que tendemos a pensar que nuestra muestra sigue una distribucion beta. Veamos qué
parámetros teóricos se adecúan más a nuestra muestra si ésta procediera de una distribución
beta:

Fitting of the distribution ' gamma ' by maximum likelihood

Parameters :
estimate Std. Error
shape 2.536575309 0.2475499060
rate 0.003505719 0.0003438989
Loglikelihood: -879.7557 AIC: 1763.511 BIC: 1769.07
Correlation matrix:
shape rate
shape 1.0000000 0.8458262
rate 0.8458262 1.0000000

Lo cual lo hemos obtenido mediante el comando fitdist y nos ofrece los parametros de la
funcion ylas graficas que como vemos se aproximan bastante.

Deberíamos usar el comando gofstat para que nos de el pvalor asociado al test de
Kolmogorov-Smirnov con hipótesis nula que se ajusta a la distribución e hipótesis alternativa
que no se ajustan.
GO2<-gofstat(fitdist(y,"gamma"),fitnames="gamma")
> GO2$ chisqpvalue
[1] 0.06630901
Obtenemos un pvalor de 0.06630901 el cual es mayor a 0.05 por lo que deberíamos de aceptar la
hipótesis nula.

De donde post siguen una gamma con

Alpha= 2.767794440 beta = 0.003268633

T pre siguen una gamma con:

Alpha= 2.536575309 beta= 0.003505719

Segun el formulario en la gamma el la esperanza para la media se

calcula según alpha/beta, de donde para post sera 846.7743 y para las
pres sera de 723.5535 que se asemeja con 846.7944 y 723.605, que son
sus respectivas medias.

Las graficas de la funcion de distribcion de estas distribuciones

estan expuestas arriba y como podemos ver sustentan el hecho de que
las mujeres que se encuentran en un estado postmenopausico tienen
uniempo de supervivencia mayor, hecho que se ve reforzado tambien con
el analisis de los estadisticos media y los respectivos a la curva de
distribucion de la gamma.