Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Problema 1
Solución P1:
x1<-rnorm(1500,mean=20,sd=5)
x2<-rnorm(1500,mean=40,sd=5)
x3<-x1+x2
xx<-seq(30,90,0.001)
plot(xx,dnorm(xx,60,sqrt(50)),col="blue",type="l")
lines(density(x3),col="red")
pnorm(70,60,sqrt(50),lower.tail=F) #0.0786496
mean(x3>70) # 0.076666 in this case.
Problema 2
gananciaPesoDietaA <-c(16.4,20.2,20.5,21.2,17.3,13.6,12.8,13.1,11.3)
gananciaPesoDietaB <-c(14,12.5,10.2,9.8,10.5,15,22,11.2,13,12.5)
Se pide:
A <– matrix(rnorm(1000*20),1000,20)
B <– 1+ matrix(rnorm(1000*20),1000,20)
A <– matrix(rnorm(1000*20),1000,20)
B <– matrix(rnorm(1000*20),1000,20)
for (n in 1:1000) {
Salidat <- t.test(A[n,], B[n,])
Salidaw <- wilcox.test(A[n,], B[n,])
p.valuet[n] <- Salidat$p.value
p.valuew[n] <- Salidaw$p.value
}
k
−2 ∑ log e ( p i )~ X 2 · k
i=1
umbral<-qchisq(0.95,df=20)
print(umbral)
sum(v<=umbral)/length(v)
#0.9511
# O bien
quantile(v,0.95)
# 95%
# 31.30982
Problema 4 (2 ptos)
Generar 4 vectores aleatorios de 10000 componentes que sigan
distribuciones normales de media 1 y desviaciones típicas 1, 2, 3 y 4
respectivamente.
Se pide:
1) Generar el vector de 10000 componentes media de los anteriores.
2) Dibujar su distribución empírica (usando la función density) y teórica en
los mismos ejes en colores rojo y azul respectivamente.
Solución:
density.default(x = ZM)
0.00 0.05 0.10 0.15 0.20 0.25
Density
-4 -2 0 2 4 6
N = 10000 Bandwidth = 0.1927
plot(density(datos1),col="blue")
lines(density(datos2), col =”black”)
X <- seq(0,4,0.001)
fT <- df(X,df1 = 20, df2 = 50)
lines(X,fT, col="red")
4. ¿Cuál es el valor teórico de la mediana de esta distribución? (0.25)
qf(.5, df1=20, df2=50)
E(x2) = E((x-+)2)=E((x-)2)+2+2E(x-)
E(x2) = 2+2=100+400=500