Distribución Uniforme

R
1 Distribución Uniforme o rectángular
2 Gráficos
3 Funciones en R de la distribución Uniforme
4 Ejemplos
4.1 Ejemplo 1
4.2 Ejemplo 2

1 Distribución Uniforme o rectángular

Sea X una variable aleatoria. Decimos que X sigue U(a, b) , X ∼ U(a, b) si su función de densidad es,
⎧ 1 a≤ x≤ b
f(x) = ⎨
⎩ b−a
0 Otro caso
Función de densidad

⎧ 1 a≤ x≤ b
f(x) = ⎨
⎩ b−a
0 Otro caso
Función de distribución

⎧
⎪ 0 x< a
⎪ x− a
F (x) = ⎨ a< x< b
⎪
⎩
⎪ b − a
1 x≥ b
Momentos
a+b
1. E[X] = 2
(b−a) 2
2. V (X) = 12

2 Gráficos
Función de densidad y función de distribución U(0, 1)

par(mfrow=c(1,2))

# Función de densidad
curve(dunif(x),c(-2,2), xlim=c(-1,2),
ylab=expression(f(x)),
main=paste('Función de densidad', 'U(0,1)'), cex.main=0.8)

# Función de distribución
curve(punif(x),c(-2,2), xlim=c(-1,2),
ylab=expression(F(x)),
main=paste('Función de distribución', 'U(0,1)'), cex.main=0.8,
col='blue')
 par(mfrow=c(1,1))

3 Funciones en R de la distribución Uniforme

Las funciones en R asociadas de la distribución Uniforme son:

Nombre de la función Descripción

dunif(x, min = 0, max = 1, log = FALSE) Función de densidad

punif(q, min = 0, max = 1, lower.tail = TRUE, log.p = FALSE) Función de distribución

qunif(p, min = 0, max = 1, lower.tail = TRUE, log.p = FALSE) Función de cuantiles

runif(n, min = 0, max = 1) Función de generación de valores aleatorios

para más información ?dunif

4 Ejemplos
4.1 Ejemplo 1
Una persona tarda entre 20 y 30 minutos en llegar al trabajo. ¿A qué hora debe salir para tener una probabilidad 0,9 de no llegar tarde si entra
a la hora 8 horas?

Solución

Definimos la variable aleatoria,

X = tiempo que tarda en ir al trabajo (en minutos) ∼ U(20, 30)

Hay que calcular,

(x − 20)
P (X ≤ x) = 0.9 ⇒ = 0.9 ⇒ x = 29
(30 − 20)
La probabilidad de tardar 29 minutos o menos es de 0.9 , luego debe salir a las 7:31 h
En R,

Minutos <- qunif(0.9, min=20, max=30)

Minutos

## [1] 29
 cat('La probabilidad de tardar ', Minutos, 'minutos o menos es de 0.9,luego debe salir a las 7:31 h', '\n' )

## La probabilidad de tardar 29 minutos o menos es de 0.9,luego debe salir a las 7:31 h

4.2 Ejemplo 2
Simula 10000 observaciones independientes de una variable aleatoria distribuida uniformemente en el intervalo [3.7, 5.8].

a. Calcular la media, varianza y desviación típica de los valores simulados y compararlos con los verdaderos valores de la distribución.
b. Estima la probabilidad de que tal variable aleatoria sea mayor o igual que 4 (Calcula la proporción de valores que son mayores o iguales
a 4) y compárala con el verdadero valor.

Solución

a.- Calcular la media, varianza y desviación típica de los valores simulados (Estima la media, varianza y desviación típica de tal variable
aleatoria uniforme) y compararlos con los verdaderos valores de la distribución.

# Generar las 10000 observaciones

datos <- runif(n = 10000, min = 3.7, max = 5.8)
head(datos)

## [1] 5.647947 4.016255 4.346721 5.192472 5.781763 4.505473

# Media
datos.Media <- mean(datos)
datos.Media

## [1] 4.753476

# Varianza
datos.Var <- var(datos)
datos.Var

## [1] 0.3692257

b.- Estima la probabilidad de que tal variable aleatoria sea mayor o igual que 4 y compárala con el verdadero valor.

# Proporción de valores mayores o iguales a 4

Prop <- sum(datos >= 4)/10000
Prop

## [1] 0.8557

# Probabilidad P(U(3.7, 5.8)>=4)

Prob <- punif(q = 4, min = 3.7, max = 5.8, lower.tail = FALSE)
Prob

## [1] 0.8571429