pbinom(2, 20, 0.15)
[1] 0.4048963
Román Salmerón Gómez
November 11, 2022
En el post sobre datos aleatorios se comentaba que se puede trabajar en R sin mayores problemas con las distribuciones más conocidas. Si en ese momento se generaban datos pseudoaleatorios, a continuación se va a ver cómo calcular probabilidades en cada caso.
A continuación se muestran algunos ejemplos en los que hay que tener presentes que en todo momento se calcula la probabilidad según la función de distribución, es decir, \(P[X \leq x]\) donde \(X\) seguirá una distribución concreta.
\(P[X \leq 2]\) siendo \(X\) una binomial de parámteros \(n = 20\) y \(p = 0.15\):
\(P[X \geq 4]\) siendo \(X\) una binomial de parámteros \(n = 50\) y \(p = 0.15\):
\(P[X=4]\), \(P[X=1]\) y \(P[X=0]\) siendo \(X\) una binomial de parámteros \(n = 4\) y \(p = 0.2\):
\(P[X \leq 7]\) siendo \(X\) una Poisson de parámtero \(\lambda = 5\):
\(P[X \geq 6]\) siendo \(X\) una Poisson de parámtero \(\lambda = 15\):
\(P[X = 9]\) siendo \(X\) una Poisson de parámtero \(\lambda = 10\):
Otras opciones son las disribuciones hipergeométrica (comando phyper) o geométrica (comando pgeom).
En el caso de la distribución normal, dada su relevancia, la estudiaremos con algo más de detalle. El comando es el siguiente:
pnorm(q, mean = 0, sd = 1, lower.tail = TRUE, log.p = FALSE)
En este caso:
ASí, \(P[X \leq 7]\) siendo \(X\) una normal de media 5 y varianza 4:
\(P[X \geq 2]\) siendo \(X\) una normal de media 0 y varianza 1:
\(P[X \leq 6]\) siendo \(X\) una normal de media 10 y varianza 10:
De forma análoga, los cuantiles se calculan a partir del comando:
qnorm(p, mean = 0, sd = 1, lower.tail = TRUE, log.p = FALSE)
Los argumentos son los mismos de antes, excepto que en este caso mediante p se especifica la probabilidad que determina el cuantil.
Los cuantiles tradicionales se calcularían como sigue:
Para finalizar, podéis visitar la web https://www.ugr.es/~romansg/material/WebTC1/index.html para cotillear sobre R y probabilidad.