#Ejemplo: Normal Bivariada####

##############################

#parámetros y constantes iniciales

Nsim <- 5000 #longitud de la cadena
burn <- 1000 #longitud del calentamiento
X <- matrix(0, Nsim, 2) #aquí se guardará la muestra generada

rho <- -0.75 #correlación

mu1 <- 0
mu2 <- 2
sigma1 <- 1
sigma2 <- 0.5
s1 <- sqrt(1-rho^2)*sigma1
s2 <- sqrt(1-rho^2)*sigma2

##### generar la cadena #####

set.seed(17)
X[1, ] <- c(mu1, mu2) #inicio
for (i in 2:Nsim) {
x2 <- X[i-1, 2]
m1 <- mu1 + rho * (x2 - mu2) * sigma1/sigma2
X[i, 1] <- rnorm(1, m1, s1)
x1 <- X[i, 1]
m2 <- mu2 + rho * (x1 - mu1) * sigma2/sigma1
X[i, 2] <- rnorm(1, m2, s2)
}
b <- burn + 1
Xf <- X[b:Nsim, ]

# comparar estadísticas muestrales con parámetros

colMeans(Xf)

#gráfica de la muestra conjunta

#la gráfica muestra la simetría de la normal bivarada
#con correlación negativa.
plot(Xf, main="", cex=.5, xlab=bquote(X[1]),
ylab=bquote(X[2]), ylim=range(x[,2]))

#############################
###Ejemplo: binomial beta####
#############################

#valores iniciales
Nsim<-5000

#Asuma que X|\theta sigue una distribución binomial con n=15 y

##\theta una distribución beta(a=3 y b=7).
n<-15
a<-3
b<-7
X=Theta<-array(0,dim=c(Nsim,1))
Theta[1]<-rbeta(1,a,b)
X[1]<-rbinom(1,n,Theta[1])
for (i in 2:Nsim){
X[i]<-rbinom(1,n,Theta[i-1])
Theta[i]<-rbeta(1,a+X[i],n-X[i]+b)
}
par(mfrow=c(1,2))
hist(X,freq=F,xlab="X|theta", ylab="Densidad marginal condicional")
hist(Theta,freq=F,xlab=expression(theta), ylab="Densidad marginal")
curve(dbeta(x,a,b),add=T,col="red")

##Ejemplo de las exponenciales###

#################################

Nsim<- 10000
theta <- c(2,3,1/2)#theta12,theta13,theta23
X <- matrix(0,nrow=Nsim,ncol=3)
X[1,] <- c(0.4,1.2,0.3) ## Valores iniciales (cualesquiera)
for(i in 2:Nsim){
X[i,1] <- rexp(1,1+theta[1]*X[i-1,2]+theta[2]*X[i-1,3])
X[i,2] <- rexp(1,1+theta[1]*X[i,1]+theta[3]*X[i-1,3])
## Nótese que aquí ya hemos actualizado el primer
## componente y lo usamos para acelerar convergencia.
X[i,3] <- rexp(1,1+theta[2]*X[i,1]+theta[3]*X[i,2])}

##gráficas de las muestras condicionadas

par(mfrow=c(2,2))
hist(X[,1],freq = F,xlim=c(0,3))
hist(X[,2],freq = F,xlim=c(0,3))
hist(X[,3],freq = F,xlim=c(0,3))