· Vcd · Grid · Mass · Y Rcmdr Binomial dbinom(x, size, prob, log = FALSE) # Probabilidad (densidad) pbinom(q, size, prob, lower.tail = TRUE, log.p = FALSE) # Probabilidad Acum. qbinom(p, size, prob, lower.tail = TRUE, log.p = FALSE) # Percentil rbinom(n, size, prob) # Random values Poisson dpois(x, lambda, log = FALSE) ppois(q, lambda, lower.tail = TRUE, log.p = FALSE) qpois(p, lambda, lower.tail = TRUE, log.p = FALSE) rpois(n, lambda) Normal dnorm(x, mean = 0, sd = 1, log = FALSE) pnorm(q, mean = 0, sd = 1, lower.tail = TRUE, log.p = FALSE) qnorm(p, mean = 0, sd = 1, lower.tail = TRUE, log.p = FALSE) rnorm(n, mean = 0, sd = 1) plot(function(x) dnorm(x), -6, 6, main = "Densidad Normal") curve(dnorm(x,0,1.5), -6, 6, col="red",lwd=2, add=T) Lognormal dlnorm(x, meanlog = 0, sdlog = 1, log = FALSE) plnorm(q, meanlog = 0, sdlog = 1, lower.tail = TRUE, log.p = FALSE) qlnorm(p, meanlog = 0, sdlog = 1, lower.tail = TRUE, log.p = FALSE) rlnorm(n, meanlog = 0, sdlog = 1) plot(function(x) dlnorm(x), from=0, to=10, main = "Densidad logNormal") Gamma ks.test(xpoi,xpoit) Pareto dpareto(x, location, shape, log=FALSE) library(VGAM) plot(function(x) dpareto(x,2.57,3.2), 0, 40, col="red") plot(function(x) dlnorm(x), 0, 40, add=T) plot(function(x) dpareto(x,2.57,3.2), 30, 40, col="red") plot(function(x) dlnorm(x), 30, 40, add=T) Beta dbeta(x, shape1, shape2, ncp = 0, log = FALSE) plot(function(x) dbeta(x,2,4), 0, 1, col="blue", lwd=3) plot(function(x) dbeta(x,1,1), 0, 1, col="yellow", add=T, lwd=4, lty=2) plot(function(x) dbeta(x,1/2,1/2), 0, 1, col="red", add=T, lwd=2, lty=3) plot(function(x) dbeta(x,3,1/2), 0, 1, col="green", add=T, lwd=5, lty=5) plot(function(x) dbeta(x,4,100), 0, 1, col="brown", lwd=2) Binomial Negativa (polya- dnbinom(x, size, prob, mu, log = FALSE) dnbinom(5,size=3,prob=0.25) dnbinom(5,size=3,mu=9) Beta-Binomial library(VGAM) dbetabin.ab(x, size, shape1, shape2, log=FALSE) plot(0:10,vb<-dbinom(0:10,size=10,prob=0.25), type="l", col="red") points(0:10,vbb<-dbetabin.ab(0:10,size=10,shape1=2.5,shape2=7.5), col="blue", type="l") barplot(rbind(vb, vbb), beside = TRUE, col = c("blue", "green"), las=1, names.arg = as.character(0:10)) --------------------------------------------------------- Ayuda :::: crear 20 datos ficticios de una Poisson llamarle dpoi con media 3 dpoi<-rpois(20,3) list(dpoi) hist(dpoi,breaks=0:8,col=5) Modificar... valores... no tiene porque ser el mismo lines(0:8,20*dpois(0:8,3)) ajuste.poisson<-fitdistr(xpoi,"Poisson") ajuste.poisson dpoit<-rpois(20,3.05) mean(xpoit) list(dpoi) list(dpoit) ks.test(dpoi,dpoit) ---------------------------------------- ejemplo 2 ceaces no paramétricos https://www.uv.es/ceaces/tex1t/7%20no%20para/ejemplo2.htm cucu<-chisq.test(c(12,13,12,8,14,25,16), p=c(1/10,1/10,1/10,1/10,1/10,1/4,1/4),correct=F) cucu$expected ---------------------------------------------------- ejemplo 1 ceaces no paramétricos real<-c(37,23) teorico<-c(30,30) juntos<-data.frame(real,teorico) juntos a<-chisq.test(juntos) ------------------------------------------ https://www.uv.es/ceaces/tex1t/7%20no%20para/ejemplo6.htm ejemplo 6 no paramétrico ceaces real4<-c(165,141,152) teorica4<-c(256,142,98) cuadropubli<-data.frame(real4,teorica4) rownames(cuadropubli)<-c(1,2,3) cuadropubli chisq.test(cuadropubli) chisq.test(cuadropubli,correct=F) ------------------------------- ejemplo 5 no paramétricos ceaces https://www.uv.es/ceaces/tex1t/7%20no%20para/ejemplo5.htm azul<-c(120,50,50) negro<-c(20,30,10) pardo<-c(20,60,40) ojos<-data.frame(azul,negro,pardo) rownames(cuadropubli)<-c(1,2,3) ojos chisq.test(ojos) chisq.test(ojos,correct=F) ------------------------------------------------------------------------- https://www.uv.es/ceaces/tex1t/7%20no%20para/ejemplo3.htm ejemplo 3 no paramétricos ceaces frecu<-c(543,560,280,90,25,2) valores<-c(0,1,2,3,4,5) cuadropo<-data.frame(valores,frecu) rownames(cuadropo)<-c(0,1,2,3,4,5) cuadropo P<-rep(cuadropo$valores,cuadropo$frecu) list(P) require(vcd) gf<-goodfit(P, type = "poisson", method = "MinChisq") gf$par summary(gf) gf$par<-1 #se puede cambiar de la estimada , volver a hacer summary require(car) par(mfrow=c(1,3)) hist(P, xlab = "valores", ylab = "Frecuencia", las=1, main = "", col =6) plot(density(P), xlab = "valores", ylab = "Densidad", las=1, main = "") qqPlot(P, xlab="Cuantiles teóricos", ylab="Cuantiles muestrales", las=1,main="") valores<- seq(min(P), max(P), by=0.0001) plot(valores, ppois(valores, lambda=1), type="l", col="red", xlab="valores",ylab="ppois(valores, lambda)") plot(ecdf(P), add=TRUE) ------------------------------------- ejemplo LOGNORMAL de modelos K S valores<-c(0,0.9271,1.6510,2.2293,2.7486,3.2513,3.77064,4.3489,5.0728,6.2897) a<-mean(valores) st<-sd(valores) st ks.test(valores,pnorm,a,st) ------------------------------ frecu<-c(543,560,280,90,25,2) valores<-c(0,1,2,3,4,5) cuadropo<-data.frame(valores,frecu) rownames(cuadropo)<-c(0,1,2,3,4,5) cuadropo convertir en datos sin frecuencia P<-rep(cuadropo$valores,cuadropo$frecu) list(P) guardar datos sin frecuencias e u ordenador write.table(P,file="C:/R/papa.txt",col.names=TRUE) Traer datos guardados sin frecuencias datos <- read.table("C:/R/poisson.txt", header = TRUE, sep = "", na.strings = "NA", dec = ".", strip.white = TRUE) datos convertir otra vez en frecuencias fre<-table(datos$x) list(fre) fre Transponer tabla y borrar variables no interesan fretrans <- data.frame(t(fre[-1])) fretrans fretrans$we<-fretrans$Var2 fretrans <- within(fretrans, {Var1<-NULL}) fretrans <- within(fretrans, {we<-NULL})