Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 43 vistas

    Cheat Sheet Practica4 BioestadísticaR

    Cargado por

    cesar
    Este documento presenta conceptos generales y funciones para calcular probabilidades de las distribuciones binomial, de Poisson y normal, incluyendo ejemplos y generación de números aleatorios.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Cheat Sheet Practica4 BioestadísticaR

    Cargado por

    cesar
    43 vistas2 páginas
    Este documento presenta conceptos generales y funciones para calcular probabilidades de las distribuciones binomial, de Poisson y normal, incluyendo ejemplos y generación de números aleatorios.

    Título original

    Cheat_sheet_Practica4_BioestadísticaR

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta conceptos generales y funciones para calcular probabilidades de las distribuciones binomial, de Poisson y normal, incluyendo ejemplos y generación de números aleatorios.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    43 vistas2 páginas

    Cheat Sheet Practica4 BioestadísticaR

    Cargado por

    cesar
    Este documento presenta conceptos generales y funciones para calcular probabilidades de las distribuciones binomial, de Poisson y normal, incluyendo ejemplos y generación de números aleatorios.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 2

    Cheat sheet Práctica 4: Cálculo de Probabilidades

    Juan Antonio Villatoro García – Grupo BioestadisticaR

    Todo el material para el conjunto de actividades de este curso ha sido elaborado y es propiedad intelectual del grupo BioestadisticaR formado por:
    Antonio Martín Andrés
    Juan de Dios Luna del Castillo,
    Pedro Femia Marzo,
    Miguel Ángel Montero Alonso,
    Christian José Acal González,
    Pedro María Carmona Sáez,
    Juan Manuel Melchor Rodríguez,
    José Luis Romero Béjar,
    Manuela Expósito Ruíz,
    Juan Antonio Villatoro García.

    Todos los integrantes del grupo han participado en todas las actividades, en su elección, construcción, correcciones o en su edición final, no obstante, en cada una
    de ellas, aparecerán uno o más nombres correspondientes a las personas que han tenido la máxima responsabilidad de su elaboración junto al grupo de
    BioestadisticaR.
    Todos los materiales están protegidos por la Licencia Creative Commons CC BY-NC-ND que permite "descargar las obras y compartirlas con otras personas, siempre
    que se reconozca su autoría, pero no se pueden cambiar de ninguna manera ni se pueden utilizar comercialmente".
    Práctica 4: : Cálculo de probabilidades
    Distribución Binomial Distribución de Poisson Distribución Normal
    CONCEPTOS GENERALES CONCEPTOS GENERALES CONCEPTOS GENERALES
    X: variable aleatoria con distribución binomial, B(n,p) X: variable aleatoria con distribución de Poisson, P(λ) X: variable aleatoria con distribución de Normal, N(µ,σ)
    x: número de individuos que verifican una característica λ: media de ocurrencias en el intervalo considerado (lambda µ : media de la distribución (mean en las funciones)
    p: probabilidad de que el individuo presente la característica en las funciones) σ: desviación típica de la distribución (sd en las funciones)
    (prob en las funciones).
    n: número de repeticiones (size en las funciones). FUNCIÓN EXPLICACIÓN FUNCIÓN EXPLICACIÓN
    dpois(x, lambda) Calcula el valor de la función dnorm(x, mean, sd) Calcula el valor de la función de
    FUNCIÓN EXPLICACIÓN de probabilidad en el punto x de densidad en el punto x de una
    dbinom(x, size , prob) Calcula el valor de la función de una variable con distribución de variable con distribución Normal
    probabilidad en el punto x de Poisson, P(λ). N(µ,σ).
    una variable con distribución B(n,p).
    ppois(x, lambda, Calcula la P[X≤x] de X que sigue pnorm(x, mean, sd, Calcula la P[X≤x] de X que sigue
    pbinom(x, size, prob, Calcula la P[X≤x] de X que sigue lower.tail = TRUE) una distribución P(λ). lower.tail = TRUE) una distribución Normal, N(µ,σ).
    lower.tail = TRUE) una distribución B(n,p). Si lower.tail =FALSE, calcula P[X>x]. Si lower.tail=FALSE, calcula P[X>x].
    Si lower.tail =FALSE, calcula P[X>x].

    qbinom(a, size,prob, Calcula el percentil a-ésimo para qpois(a, lambda, Calcula el percentil a-ésimo qnorm(a, mean, sd, Calcula el percentil a-ésimo para
    lower.tail = TRUE) una distribución Binomial B(n,p), lower.tail = TRUE) para una distribución P(λ), donde a lower.tail = TRUE) una distribución Normal, N(µ,σ). (a
    donde a toma un valor entre 0 y 1. toma un valor entre 0 y 1. toma un valor entre 0 y 1).

    rbinom(r, size, prob) Genera r valores aleatorios de una rpois(r, lambda) Genera r valores aleatorios de una rnorm(r, mean, sd) Genera r valores aleatorios de una
    distribución binomial, B(n,p) distribución de Poisson, P(λ) distribución Normal, N(µ,σ)

    Ejemplos distribuciones Generación de números Extracción de una muestra


    • P[X=20] siendo X una distribución Binomial, B(50,0.35)
    aleatorios aleatoria
    Función sample(x, size, replace = FALSE) Usamos primero la función sample para determinar las
    x = vector de la forma 1:n, siendo n el tamaño de la población unidades de la muestras. Por ejemplo, si queremos
    seleccionar 20 individuos del data.frame osteo, generamos 20
    • P[X≤5] siendo X una distribución de Poisson, P(6) size = cantidad de números que queremos simular
    números aleatorios entre 1 y 94 (números de individuos en el
    replace = indica si la extracción se hace con data.frame)
    reemplazamiento (TRUE) o no (FALSE)

    • Valor de una normal N(3,0.3) que deja por debajo al 85% Ejemplo: Obtener 20 números aleatorios sin reemplazamiento
    con números comprendidos entre el 1 y el 100.
    Posteriormente se seleccionan los individuos del data.frame

    • Genera 15 valores aleatorios de una distribución normal


    N(3,0.3)

    © Juan Antonio Villatoro-García – Grupo BioestadisticaR

    También podría gustarte