Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 24 vistas

    Pres 2 ESv 173

    Cargado por

    daniel gonzalez martinez
    Este documento presenta la Práctica 2 de Estadística de la Universidad de Oviedo. Explica cómo cargar datos y paquetes en R, y describe diferentes tipos de distribuciones de probabilidad como la binomial, normal y exponencial. Luego muestra ejemplos numéricos de cómo calcular probabilidades usando estas distribuciones y cómo generar y graficar una muestra aleatoria de una distribución normal.

    Copyright:

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

    Pres 2 ESv 173

    Cargado por

    daniel gonzalez martinez
    24 vistas14 páginas
    Este documento presenta la Práctica 2 de Estadística de la Universidad de Oviedo. Explica cómo cargar datos y paquetes en R, y describe diferentes tipos de distribuciones de probabilidad como la binomial, normal y exponencial. Luego muestra ejemplos numéricos de cómo calcular probabilidades usando estas distribuciones y cómo generar y graficar una muestra aleatoria de una distribución normal.

    Descripción original:

    holase rr

    Título original

    pres2ESv173

    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 la Práctica 2 de Estadística de la Universidad de Oviedo. Explica cómo cargar datos y paquetes en R, y describe diferentes tipos de distribuciones de probabilidad como la binomial, normal y exponencial. Luego muestra ejemplos numéricos de cómo calcular probabilidades usando estas distribuciones y cómo generar y graficar una muestra aleatoria de una distribución normal.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    24 vistas14 páginas

    Pres 2 ESv 173

    Cargado por

    daniel gonzalez martinez
    Este documento presenta la Práctica 2 de Estadística de la Universidad de Oviedo. Explica cómo cargar datos y paquetes en R, y describe diferentes tipos de distribuciones de probabilidad como la binomial, normal y exponencial. Luego muestra ejemplos numéricos de cómo calcular probabilidades usando estas distribuciones y cómo generar y graficar una muestra aleatoria de una distribución normal.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 14

    Práctica 2

    Departamento de Estadística
    Universidad de Oviedo

    (Universidad de Oviedo) Práctica 2 1 / 14


    1 Cargar la base de datos

    2 Modelos de distribuciones

    (Universidad de Oviedo) Práctica 2 2 / 14


    Cargar Rcommander
    Iniciamos el programa R.

    y
    Menú Paquetes
    Cargar paquete.

    Seleccionamos Rcmdr.

    (Universidad de Oviedo) Práctica 2 3 / 14


    Cargar Rcommander

    (Universidad de Oviedo) Práctica 2 4 / 14


    Probabilidad: cuantificar el azar.

    Se lanza una moneda, ¿cuál es la probabilidad de obtener cara? 1/2.


    Se lanza una dado, ¿cuál es la probabilidad de obtener un dos? 1/6.

    La probabilidad es un número que varía de 0 a 1. Para calcular la


    probabilidad se utilizan diferentes fórmulas según sea la situación.

    Por ejemplo, para calcular la probabilidad del número de éxitos


    obtenidos en n intentos se utiliza la distribución binomial. Para calcular
    la probabilidad del tiempo que tardará en aterrizar un avión se utiliza
    la distribución exponencial. La distribución normal es la más habitual y
    en caso de duda es la que se utiliza.

    (Universidad de Oviedo) Práctica 2 5 / 14


    Sea X una distribución binomial con parámetros n = 10
    (ensayos) y p = 0.4 (probabilidad). Halle la (probabilidad)
    Pr[X = 5].
    ,→ Distribuciones
    ,→ Distribuciones discretas
    ,→ Distribución binomial
    ,→ Probabilidades binomiales...
    ,→ Ensayos binomiales: 10
    ,→ Probabilidad de éxito: .4
    ,→ Aceptar

    El resultado es Pr(X = 5) = 0.2006581248 (5a línea).


    > .Table
    Pr
    0 0.0060466176
    1 0.0403107840
    2 0.1209323520
    3 0.2149908480
    4 0.2508226560
    5 0.2006581248
    6 0.1114767360
    7 0.0424673280
    8 0.0106168320
    9 0.0015728640
    10 0.0001048576
    (Universidad de Oviedo) Práctica 2 6 / 14
    Un estudiante se matricula de 10 asignaturas. Se sabe que en
    promedio el año pasado el porcentaje de aprobados fue del
    40%. ¿Cuál es la probabilidad de aprobar 5 asignaturas? ¿Cuál
    es la probabilidad de aprobar dos o más asignaturas? ¿Cuál es
    la probabilidad de aprobar todas las asignaturas?
    (Pista: Sea X una distribución binomial con parámetros n = 10 y p = 0.4. Halle Pr[X = 5], Pr[X ≥ 2], Pr[X = 10])
    ,→ Distribuciones
    ,→ Distribuciones discretas
    ,→ Distribución binomial
    ,→ Probabilidades binomiales...
    ,→ Ensayos binomiales: 10
    ,→ Probabilidad de éxito: .4
    ,→ Aceptar

    > .Table
    Pr
    0 0.0060466176
    1 0.0403107840 Pr[X = 5] = 0.200.
    2 0.1209323520 Pr[X = 10] = 0.0001.
    3 0.2149908480
    4 0.2508226560 Dos formas de calcular Pr[X ≥ 2]:
    5 0.2006581248 Pr[X ≥ 2] = Pr[X = 2] + Pr[X = 3] + · · · + Pr[X = 10]
    6 0.1114767360 Pr[X ≥ 2] = 1 − Pr[X < 2] = 1 − (Pr[X = 0] + Pr[X = 1]) = 1 − (0.006 + 0.040) =
    7 0.0424673280
    0.954.
    8 0.0106168320
    9 0.0015728640
    10 0.0001048576

    (Universidad de Oviedo) Práctica 2 7 / 14


    Un estudiante se ha presentado a 5 asignaturas en el primer
    cuatrimestre. Se sabe que en promedio el año pasado el
    porcentaje de aprobados fue del 40%. ¿Cuál es la probabilidad
    de aprobar las 5 asignaturas? ¿Cuál es la probabilidad de
    aprobar dos o más asignaturas?
    (Pista: Sea X una distribución binomial con parámetros n = 5 y p = 0.4. Halle Pr[X = 5], Pr[X ≥ 2])
    ,→ Distribuciones
    ,→ Distribuciones discretas
    ,→ Distribución binomial
    ,→ Probabilidades binomiales...
    ,→ Ensayos binomiales: 5
    ,→ Probabilidad de éxito: .4
    ,→ Aceptar
    Probability Pr[X = 5] = 0.010.
    0 0.07776
    1 0.25920
    2 0.34560 Dos formas de calcular Pr[X ≥ 2]:
    3 0.23040 Pr[X ≥ 2] = Pr[X = 2] + Pr[X = 3] + Pr[X = 4] + Pr[X = 5]
    4 0.07680 Pr[X ≥ 2] = 1 − Pr[X < 2] = 1 − (Pr[X = 0] + Pr[X = 1]) = 1 − (0.077 + 0.259) =
    5 0.01024 0.674.

    (Universidad de Oviedo) Práctica 2 8 / 14


    Tipos de variables aleatorias.
    Variables discretas: cuentan las veces que ocurre algo. Las más conocidas son la distribución binomial y la de Poisson.

    Variables continuas: cuantifican una magnitud. Las más importante son la distribución normal y la exponencial. La probabilidad
    se asimila al área que hay debajo de una curva.

    Distribución normal

    El área total bajo la curva vale 1


    0.4

    0.3
    y

    0.2

    0.1
    Área Área
    sombreada sin sombrear
    Pr(X < 0.5) Pr(X > 0.5)
    Cola izquierda Cola derecha

    0.0

    −3.0 −2.0 −1.0 0.0 0.5 1.0 2.0 3.0


    x

    (Universidad de Oviedo) Práctica 2 9 / 14


    Sea Z la distribución normal N(0, 1). Halle Pr[Z ≤ −0.2].
    ,→ Distribuciones
    ,→ Distribuciones continuas
    ,→ Distribución normal
    ,→ Probabilidades normales...
    ,→ Valor(es) de la variable: -0.2
    ,→ mu (media): 0 (por omisión)
    ,→ sigma (desviación típica): 1
    (p.o.)
    ,→ Cola izquierda Pr[Z ≤ . . .]
    ,→ Aceptar

    El resultado debe ser 0.4207403.

    (Universidad de Oviedo) Práctica 2 10 / 14


    Sea X una distribución normal N (1; 8). Halle Pr[X > 2.96].
    ,→ Distribuciones
    ,→ Distribuciones continuas
    ,→ Distribución normal
    ,→ Probabilidades normales...
    ,→ Valor(es) de la variable: 2.96
    ,→ mu (media): 1
    ,→ sigma (desviación típica): 8
    ,→ Cola derecha (Pr(X > . . .))
    ,→ Aceptar

    El resultado es 0.4032282.

    Calcule Pr(Normal(5, 2) > 7)


    Siga los pasos del ejemplo de arriba, pero con valor 7, media 5, desviación 2 y cola derecha.
    > pnorm(c(7), mean=5, sd=2, lower.tail=FALSE)
    [1] 0.1586553

    (Universidad de Oviedo) Práctica 2 11 / 14


    Cree una una muestra aleatoria de 10 000 valores extraídos de
    una población (µ = −3; σ = 2). Llame a esa base de datos
    Muestras_normales.
    ,→ Distribuciones
    ,→ Distribuciones continuas
    ,→ Distribución normal
    ,→ Muestra de una distribución normal...
    ,→ Introducir el nombre del conjunto de datos: cámbiese Muestras normales
    por Muestras_normales
    ,→ mu (media): -3
    ,→ sigma (desviación típica): 2
    ,→ Número de muestras (filas): 10000
    ,→ Número de observaciones (columnas): 1
    ,→ Media de cada muestra: desactívese
    ,→ Suma de cada muestra: desactívese
    ,→ Desviación típica de cada muestra: desactívese
    ,→ Aceptar

    Se crea una nueva base de datos

    (Universidad de Oviedo) Práctica 2 12 / 14


    Dibuje el histograma de la muestra aleatoria anterior. Utilice
    para el histograma 50 barras.

    ,→ Gráficas
    ,→ Histograma...
    ,→ Variable (eligir una): obs
    ,→ Número de clases: 50
    ,→ Aceptar

    Aparecerá un gráfico similar a lo siguiente, pero no idéntico, dado que


    se tratan de números seudoaleatorios.

    (Universidad de Oviedo) Práctica 2 13 / 14


    Ejercicios

    Lea detenidamente el guión de la práctica 2.


    Replique los ejemplos 2.4, 2.5 y 2.12.
    Realice los ejercicios propuestos del guión.

    (Universidad de Oviedo) Práctica 2 14 / 14

    También podría gustarte