Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Código: 20172757G
En este caso se veremos la probabilidad de v.a Binomial cuando xi = 4 , de tamaño 7 y con probabilidad p=0.5.
CODIGO:
#P(X = 4),p=0.5,n=7
dbinom(4,7,0.5)
RESULTADO:
CODIGO:
#P(1≤X≤4) = P(x≤4) - P(x<1)=P(x≤4) - P(x≤0)
#A=P(x≤4)
A = pbinom(4,7,0.5)
#B=P(x≤0)
B = pbinom(0,7,0.5)
#P(1≤X≤4)=A-B
Respuesta=A-B
Respuesta
RESULTADO:
Para graficar la distribución de probabilidad binomial usaremos los mismos datos que usamos en los ítems
anteriores p = 0.5,n =7 .
RESULTADO:
> x<-0:7
> y<-dbinom(x,7,0.5)
> plot(x,y,type = "h",col = "brown")
1.5.Determinar la función cuantil luego graficar.
SOLUCIÓN:
x<-c(0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)
y<-qbinom(x,7,0.5)
2.Realizar los mismos ítems que el ejercicio 1 para el caso de una variable aleatoria continua.
P(X = 5) = 0
Para este caso usaremos el mismo β=2.4 solo que esta ves hallaremos P(0≤X≤5).
CODIGO:
#P(0≤X≤5) = P(x≤5) - P(x<0)=P(x≤5) - P(x≤0)
#A=P(x≤5)
A = pexp(5,rate= 1/2.4,lower.tail = T)
#B=P(x≤0)
B = pexp(0,rate= 1/2.4,lower.tail = T)
#P(1≤X≤5)=A-B
Respuesta=A-B
Respuesta
SOLUCIÓN:
SOLUCION:
> x<-0:20
> y<-pexp(x,rate = 1/2.4,lower.tail = T)
> plot(x,y,type = "l",col = "brown")
Para graficar la distribución de probabilidad Exponencial usaremos β=2.4 y en el mismo rango de 0 a 20.
SOLUCIÓN:
> x<-0:20
> y<-dexp(x,rate = 1/2.4)
> plot(x,y,type = "l",col = "brown")
2.5.Determinar la función cuantil luego graficar.
SOLUCION:
> x<-c(0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)
> y<-qexp(x,rate = 1/2.4)
> plot(x,y,type = "p",col = "brown")
3.Enunciar la ley de los grandes números, y corroborar gráficamente dicha ley para las dos variables
aleatorias dadas en el ítem 2.
CODIGO:
#Binomial
cantidad = 2000
casos_prueba = 7
probabilidad = 0.5
MN = rbinom(cantidad,casos_prueba,probabilidad)
CS = cumsum(MN)
divisor = 1:cantidad
VP = CS/divisor
plot(1:cantidad,VP,type = "l")
GRAFICA:
###################################################
CODIGO:
#Exponencial
cantidad = 3000
MN = rexp(cantidad)
CS = cumsum(MN)
divisor = 1:cantidad
VP = CS/divisor
plot(1:cantidad,VP,type = "l")
GRAFICA:
4.Enunciar el
teorema
central
limite , y
corroborar
gráficamente dicho teorema para las dos variables aleatorias dadas en el ítem 1 y 2.
BINOMIAL
CODIGO:
#Binomial
cantidad = 500
casos_prueba = 7
proba = 0.5
muestra_unif = function(k){
datos = rbinom(cantidad,casos_prueba,proba)
return(mean(datos))
}
Z = sapply(1:10000, muestra_unif)
H = hist(Z)
dens_H = H$density
puntos_medios = H$mids
plot(puntos_medios,dens_H,type="l",col = "blue")
y = dnorm(puntos_medios,mean = 25,sd = 0.26)
par(new=TRUE)
plot(puntos_medios,y,type = "l",col = "green")
GRAFICA:
EXPONENCIAL:
CODIGO:
#Exponencial
cantidad = 3000
lamda = 2.4
muestra_unif = function(k){
datos = rexp(cantidad,lamda)
return(mean(datos))
}
z = sapply(1:1000, muestra_unif)
H = hist(z)
dens_H = H$density
puntos_medios = H$mids
plot(puntos_medios,dens_H,type = "l",col = "blue")
y = dnorm(puntos_medios,mean = 3.6,sd = 9.25)
par(new=TRUE)
plot(puntos_medios,y,type = "l",col = "green")
GRAFICA:
5.Dada una muestra pequeña realizar una función que ingrese una muestra y el nivel de confianza para
obtener un intervalo de confianza para la media μ. Corroborar comparando los ejercicios resueltos en el libro
de referencia.
CODIGO:
intervalodeconfianza<-function(x,y){
media = mean(x)
n=length(x)
a = x - media
b = a^2
c = sum(b)
s=sqrt(c/(n-1))
s=round(s,2)
talphamedio = qt(y+((1-y)/2),n-1)
ic=talphamedio*(s/sqrt(n))
ic=round(ic,1)
paste("El intervalo de confianza es:",media,"+/-",ic,"////////","[",media-ic,",",media+ic,"]")
}
#Ejemplo 8.11 del libro de referencia wackerly
x=c(3005,2925,2935,2965,2995,3005,2937,2905)
intervalodeconfianza(x,0.95)
SOLUCIÓN: >intervalodeconfianza<-function(x,y){
+
+
+ media = mean(x)
+ n=length(x)
+ a = x - media
+ b = a^2
+ c = sum(b)
+ s=sqrt(c/(n-1))
+ s=round(s,2)
+ talphamedio = qt(y+((1-y)/2),n-1)
+ ic=talphamedio*(s/sqrt(n))
+ ic=round(ic,1)
+ paste("El intervalo de confianza
es:",media,"+/-",ic,"=","[",media-ic,",",media+ic,"]")
+
+ }
> x=c(3005,2925,2935,2965,2995,3005,2937,2905)
>
> intervalodeconfianza(x,0.95)
[1] "El intervalo de confianza es: 2959 +/- 32.7 = [ 2926.3 ,
2991.7 ]"
6.Dada una muestra pequeña realizar una función que ingrese dos muestras y el nivel de confianza para
obtener un intervalo de confianza para las diferencias de medias μ1 - µ2 .Corroborar comparando con los
ejercicios resueltos del libro de referencia .
Para este problema se utilizó el ejemplo 8.12 del libro de referencia wackerly.
CODIGO:
intervalodeconfianza<-function(x,y,z){
talphamedios<-function(x,y,c){
n1 = length(x)
n2 = length(y)
t = qt(c+(1-c)/2,n1+n2-2)
return(t)
varianzamuestral<-function(x){
media = mean(x)
n=length(x)
a = x - media
b = a^2
c = sum(b)
varianza=(c/(n-1))
return(varianza)
SP<-function(x,y){
varx = varianzamuestral(x)
vary = varianzamuestral(y)
n1 = length(x)
n2 = length(y)
sp=sqrt((varx*(n1-1)+vary*(n2-1))/(n1+n2-2))
return(sp)
talphamedios1=talphamedios(x,y,z)
sp=SP(x,y)
ic=talphamedios1*sp*sqrt(1/length(x) + 1/length(y))
ic = round(ic,2)
diferencia=round(mean(x),2) - round(mean(y),2)
x<-c(32,37,35,28,41,44,35,31,34)
y<-c(35,31,29,25,34,40,27,32,31)
intervalodeconfianza(x,y,0.95)
SOLUCIÓN:
> intervalodeconfianza<-function(x,y,z){
+
+ talphamedios<-function(x,y,c){
+ n1 = length(x)
+ n2 = length(y)
+ t = qt(c+(1-c)/2,n1+n2-2)
+
+ return(t)
+
+ }
+ varianzamuestral<-function(x){
+
+ media = mean(x)
+ n=length(x)
+ a = x - media
+ b = a^2
+ c = sum(b)
+ varianza=(c/(n-1))
+
+ return(varianza)
+
+ }
+ SP<-function(x,y){
+
+ varx = varianzamuestral(x)
+ vary = varianzamuestral(y)
+ n1 = length(x)
+ n2 = length(y)
+ sp=sqrt((varx*(n1-1)+vary*(n2-1))/(n1+n2-2))
+
+ return(sp)
+
+
+
+ }
+ talphamedios1=talphamedios(x,y,z)
+ sp=SP(x,y)
+
+ ic=talphamedios1*sp*sqrt(1/length(x) + 1/length(y))
+ ic = round(ic,2)
+ diferencia=round(mean(x),2) - round(mean(y),2)
+
+ paste("El intervalo de confianza
es:",diferencia,"+/-",ic,"=","[",diferencia-ic,",",diferencia+ic,"]")
+ }
> x<-c(32,37,35,28,41,44,35,31,34)
> y<-c(35,31,29,25,34,40,27,32,31)
> intervalodeconfianza(x,y,0.95)
[1] "El intervalo de confianza es: 3.66 +/- 4.71 = [ -1.05 , 8.37 ]"