Documentos de Académico
Documentos de Profesional
Documentos de Cultura
> 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:
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:
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.