Escolar Documentos
Profissional Documentos
Cultura Documentos
Facultad de Ciencias
Estadstica III
Estadstica III
vector de cuantiles
vector de probabilidades
parmetro lambda de la variable exponencial
tamao de la muestra simulada
argumento lgico, si es igual a TRUE, las probabilidades p se dan como ln(p)
argumento lgico, si es igual a TRUE las probabilidades son P *X x+ , de lo
contrario P [X> x] .
Por ejemplo, simulemos una muestra aleatoria de tamao 10 de una variable aleatoria
exponencial lambda 0.5.
> rexp(10, rate = 0.5)
[1] 0.4053807 0.3887973 2.1213796 0.4148139 1.6020316 4.7555638 2.4756779
[8] 0.7991317 2.8296554 1.6643183
Por ejemplo, calcule los cuantiles de 0.25, 0.5 y 0.75 para una variable aleatoria exponencial
lambda 1 y verifica que sean los cuantiles adecuados.
> probas<-c(0.25,0.5,0.75)
> qexp(probas,rate=1)
[1] 0.2876821 0.6931472 1.3862944
> cuantiles<-qexp(probas,rate=1)
> pexp(cuantiles,rate=1)
[1] 0.25 0.50 0.75
Weibull
Estadstica III
vector de cuantiles
vector de probabilidades
tamao de la muestra simulada
parmetro alfa de la variable Weibull
es igual a uno entre el parmetro beta (1/) de la variable Weibull
argumento lgico, si es igual a TRUE, las probabilidades p se dan como ln(p)
argumento lgico, si es igual a TRUE las probabilidades son P *X x+ , de lo
contrario P [X> x] .
Gamma
vector de cuantiles
vector de probabilidades
tamao de la muestra simulada
parmetro alternativo, de usarse es el parmetro alfa de la distribucin gamma
parmetro beta de la distribucin gamma
es igual a uno entre el parmetro alfa (1/) de la variable Weibull
argumento lgico, si es igual a TRUE, las probabilidades p se dan como ln(p)
argumento lgico, si es igual a TRUE las probabilidades son P *X x+ , de lo
contrario P [X> x] .
Estadstica III
Para el uso de las funciones de la distribucin gamma debe definirse solo uno de los
parmetros rate o scale, se sugiere que sea rate el parmetro que se use por la
parametrizacin con la que se presento la distribucin, por ejemplo, generemos una muestra
aleatoria gamma de tamao 10 con parmetros alfa cuatro y beta 2
> rgamma(10, shape=2, rate =4)
[1] 0.39648507 0.21700703 0.09226433 0.53250573 0.61263664 0.49338013
[7] 0.57161994 1.31140039 0.63379841 0.38397079
> rgamma(10, shape=2, scale =(1/4))
[1] 0.5982165 0.1094500 0.2563669 0.2780381 0.2482065 1.2340443 0.1596595
[8] 0.2098287 0.5319511 0.8594335
Log-normal
Su funcin de riesgo tiene la apariencia de una joroba, es decir, toma calor de cero a tiempo
cero, alcanza un mximo, y cuando el tiempo tiene a infinito el riesgo tiende a cero, sus
funciones de densidad, distribucin, etc. son anlogas a las anteriores, dlnorm, plnorm,
qlnorm, rlnorm.
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)
-plnorm(t, r, lower = FALSE, log = TRUE)
La ltima funcin proporciona la funcin de riesgo acumulado, los argumentos son:
x,q
p
n
meanlog
sdlog
log, log.p
lower.tail
vector de cuantiles
vector de probabilidades
tamao de la muestra simulada
parmetro mu de la distribucin log-normal
parmetro sigma de la distribucin log-normal
argumento lgico, si es igual a TRUE, las probabilidades p se dan como ln(p)
argumento lgico, si es igual a TRUE las probabilidades son P *X x+ , de lo
contrario P [X> x] .
Estadstica III
Gompertz
Su funcin de riesgo aumenta exponencialmente con el aumento del tiempo, el uso de sus
funciones requiere el paquete flexsurv, la funcion dgompertz da la densidad, pgompertz
da la funcin de distribucin, qgompertz da la funcin de cuantiles, hgompertz da la
funcin de riesgo, Hgompertz da la funcin de riesgo acumulado, y rgompertz simula
valores aleatorios.
dgompertz(x, shape, rate = 1, log = FALSE)
pgompertz(q, shape, rate = 1, lower.tail = TRUE, log.p = FALSE)
qgompertz(p, shape, rate = 1, lower.tail = TRUE, log.p = FALSE)
rgompertz(n, shape, rate = 1)
hgompertz(x, shape, rate = 1)
Hgompertz(x, shape, rate = 1)
Los argumentos son:
x,q
p
n
shape
rate
log, log.p
lower.tail
vector de cuantiles
vector de probabilidades
tamao de la muestra simulada
parmetro alfa de la distribucin Gompertz
parmetro beta de la distribucin Gompertz
argumento lgico, si es igual a TRUE, las probabilidades p se dan como ln(p)
argumento lgico, si es igual a TRUE las probabilidades son P *X x+ , de lo
contrario P [X> x] .
Por ejemplo, encuentre los cuantiles de 0.25, 0.5, 0.75 para una variable aleatoria Gompertz
de parmetros alfa 2 y beta 0.1.
> library(flexsurv)
> probas<-c(0.25,0.5,0.75)
> qgompertz(probas, shape=2, rate = 0.1)
[1] 0.9550409 1.3494356 1.6788994
Estadstica III
Gamma
Puede ser til como un modelo de poblacin cuando los individuos que
sufren determinada enfermedad son sometidos a un programa de
seguimiento regular, pues su funcin de riesgo tiende a una constante
(1/) cuando el tiempo tiende a infinito.
Log-normal
Gompertz
Estimacin paramtrica
En algunas ocasiones la complejidad del modelo probabilstico que se asume en una muestra,
dificulta la estimacin de los parmetros que determinan a dicho modelo, por lo cual se hace
necesario utilizar herramientas computacionales que determinan (o aproximen) el valor de los
parmetros que mejor definen el modelo para una muestra particular.
La funcin optim en un mtodo de optimizacin de funciones de propsito general, basado
en los algoritmos Nelder-Mead, quasi-Newton, etc.
optim(par, fn, gr = NULL, ..., method = c("Nelder-Mead", "BFGS", "CG", "L-BFGS-B", "SANN",
"Brent"), lower = -Inf, upper = Inf, )
par
fn
method
lower
upper
convergence
Estadstica III
Ya definida en R esta funcin, ahora se utiliza el comando optim para minimizarla. Note que
la funcin puede utilizarse como molde para construir la funcin para otras distribuciones.
Hagamos un ejemplo
Estadstica III
> library(flexsurv)
> datos<-rgompertz(100, shape=2, rate = 5)
> status<-sample(c(1,0), size=100, replace=TRUE)
> library(survival)
> muestra<-Surv(datos,status)
> estimadores<-optim(par = c(6, 3), fn = funcionMenosLog,method = c("L-BFGS-B"), lower = c(0,
0),upper = c(Inf,Inf),x = muestra)
> estimadores
$par
[1] 0.3475263 6.1839830
$value
[1] 7.34348
$counts
function gradient
14
14
$convergence
[1] 0
$message
[1] "CONVERGENCE: REL_REDUCTION_OF_F <= FACTR*EPSMCH"
El resultado del commando optim muestra entre otras cosas los parmetros que optimizan
la funcin ($par) el valor de la funcion evaluada en esos parmetros ($value) y la eficiencia en
la convergencia del algoritmo ($convergence)