Probabilidad y Estad stica con R

1. Introduccin a R o
La idea de este texto es que, dado que R ofrece una gran variedad de posibilidades, introducir algunos conceptos y nociones del software. R es un sistema para anlisis estad a sticos y grcos creado por Ross Ihaka y Robert Gentleman. a Se dice que la naturaleza de R es doble: la de programa y la de lenguaje de programacin; y es o considerado como un dialecto del lenguaje S creado por los Laboratorios AT&T Bell. R se distribuye gratuitamente bajo los trminos de la GNU (General Public Licence); su desare rollo y distribucin son llevados a cabo por varios estad o sticos conocidos como el Grupo Nuclear de Desarrollo de R. Los archivos necesarios para instalar R se distribuyen desde el sitio de internet Comprehensive R Archive Network (CRAN) junto con las instrucciones de instalacin. o Al principio, R puede parecer demasiado complejo para el no-especialista. Esto no es cierto necesariamente, de hecho, una de las caracter sticas ms sobresalientes de R es su enorme exibilidad. a Mientras que programas ms clsicos muestran directamente los resultados de un anlisis, R guarda a a a estos resultados como un objeto, de tal manera que se puede hacer un anlisis sin necesidad de a mostrar su resultado inmediatamente. R es un lenguaje Orientado a Objetos: bajo este complejo trmino se esconde la simplicidad e y exibilidad de R. El hecho que R es un lenguaje de programacin puede desaminar a muchos o usuarios que piensan que no tienen alma de programadores. Esto no es necesariamente cierto por dos razones. Primero R es un lenguaje interpretado (como Java) y no compilado (como C, C++, Fortran, Pascal, . . . ), lo cual signica que los comandos escritos en el teclado son ejecutados directamente sin necesidad de construir ejecutables. Como segunda medida, la sintxis de R es muy a simple e intuitiva. Por ejemplo, una regresin lineal se puede ejecutar con el comando lm(y,x). o Para que una funcin sea ejecutada en R debe estar siempre acompaada de parntesis, inclusive o n e en el caso que no haya nada dentro de los mismos (por ej., ls()). Si se escribe el nombre de la funcin sin los parntesis, R mostrar el contenido (cdigo) mismo de la funcin. Pero no hablemos o e a o o de la programacin en R antes de haberlo instalado. o

1.1.

Instalacin de R o

La idea de esta secccin es guiar la instalacin de R en nuestro equipo (el equipo de la Facultad o o ya tiene cargado el programa as que para el laboratorio no ser necesaria la instalacin, sin embargo a o ser recomendable instalarlo en su equipo personal para asignaturas posteriores). Empecemos... a Primero entremos al sitio http://www.r-project.org D click en el link download R e

Aqu se muestran varios sitios de donde se puede descargar el programa, estos sitios son llamados mirrors. Para que la descarga no lleve demasiado tiempo se recomienda bajarlo de algn sitio con el mismo huso horario que nosotros. u Una vez que se selecciona el mirror, se debe bajar el paquete segn el sistema operativo que u se tenga Si usted vive en un mundo de Windows de click en base y descargue dando click en el link Download R 2.11.1 for Windows Si su equipo es Macintosh, una vez seleeccionado el mirror, encuentre la liga MacOS X que llevar al paquete que se necesita descargar: R-2.11.1.pkg a Ahora ejecute el archivo que ha bajado, si se desea instalarlo de una vez

2.
2.1.

Manejo de datos en R
Creacin, listado y remocin de objetos en memoria o o

Un objeto puede ser creado con el operador asignar el cual se denota como una echa con el signo menos y el s mbolo > o < dependiendo de la direccin en que asigna el objeto: o > n > n [1] > 5 > n [1] > x > X > x [1] > X [1] <- 15 15 -> n 5 <- 1 <- 10 1 10

Asignacin con = versus < o La asignacin = puede causar confusin si se trata de entender la sintaxis como una ecuacin o o o matemtica. Si se escribe x = 2x + 1 como una ecuacin matemtica, sta tiene una unica solucin a o a e o y es -1. Sin embargo, en R, la misma expresin x=2*x+1, se interpreta como asignar el valor de o 2*x+1 a la variable x. Esto actualiza el valor previo de x. As si x tiene el valor de 2 antes de esta l nea, esta instruccin la deja con un valor de 5 (pues 2 2 + 1 = 5). o Este tipo de confusin puede ser minimizada usando el operador < . La expresin en R, o o x<-2*x+1 hace que visualmente la confusin sea menor, y la direccin de la echa aclar an ms o o a u a la actualizacin del valor de x. De hecho, > tambin se utiliza para asignar valores de izquierda o e a derecha (el de la izquierda es ya conocido y el de la derecha es el que se va a denir o actualizar).

2.2.

Generacin de datos o

Secuencias Regulares Una secuencia regular de nmeros enteros, por ejemplo de 1 hasta 30, se puede generar con: u > x <- 1:30 El vector resultante x tiene 30 elementos. El operador : tiene prioridad sobre otros operadores aritmticos en una expresin: e o > 1:10-1 [1] 0 1 2 3 4 5 6 7 8 9 > 1:(10-1) [1] 1 2 3 4 5 6 7 8 9 La funcin seq puede generar sucesiones de nmeros reales: o u > seq(1, 5, 0.5) [1] 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 donde el primer nmero indica el principio de la sucesin, el segundo el nal y el tercero el u o incremento que se debe usar para generar la sucesin. Tambin se puede usar: o e > seq(length=9, from=1, to=5) [1] 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 Tambin se pueden escribir los valores directamente usando la funcin contanear, c: e o > c(1, 1.5, 2, 2.5, 3, 3.5, 4, 4.5, 5) [1] 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 Si se quiere, tambin es posible introducir datos directamente desde el teclado usando la funcin e o scan sin opciones: > z <- scan() 1: 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 10: Read 9 items > z [1] 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 La funcin rep crea un vector con elementos idnticos: o e > rep(1, 30) [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 La funcin sequence crea una serie de secuencias de nmeros enteros donde cada secuencia o u termina en el nmero (o nmeros) especicado(s) como argumento(s). Por ejemplo, u u

> sequence(4:5) [1] 1 2 3 4 1 2 3 4 5 > sequence(c(10,5)) [1] 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 Matrices Para generar vectores, normalmente se utiliza la funcin c de concatenar: o Ejemplo 2.1 (concatenar) >v1<-c(3.1,4,5,6) >v2<-c(1,2) > c(v1,v2) [1] 3.1 4.0 5.0 6.0 1.0 2.0 Hay varias maneras de generar una matriz. A continuacin se mostrar como se construye un o a vector de 10 ceros con las instrucciones c y rep: >a<-c(rep(0,10)) Para convertir al objeto a en una matriz de 2 5, se utiliza la funcin dim: o >dim(a)<-c(2,5) > a [,1] [,2] [,3] [,4] [,5] [1,] 0 0 0 0 0 [2,] 0 0 0 0 0 Para acceder al elemento a23 y modicarlo: > a[2,3]<-8 Para modicar la columna 5: > a[,5]<-c(2,2) > a [,1] [,2] [,3] [,4] [,5] [1,] 0 0 0 0 2 [2,] 0 0 8 0 2 Otra manera de construir matrices es utilizando la funcin matrix: o Ejemplo 2.2 (Creacin de matrices) o Para generar una matriz de 2 2 con valor 1: > m1 <- matrix(1, nr = 2, nc = 2) Para generar una matriz de 2 2 con valor 2: 4

> m2 <- matrix(2, nr = 2, nc = 2) Las funciones cbind() y rbind() construyen matrices uniendo otras matrices (o vectores), horizontalmente (modo columna) o verticalmente (modo la), respectivamente. En la asignacin o > X <- cbind(arg 1, arg 2, arg 3, ...) los argumentos pueden ser vectores de cualquier longitud o matrices con el mismo nmero de u las. El resultado es una matriz cuyas columnas son los argumentos concatenados, arg 1, arg 2, . . . Ejemplo 2.3 (Creacin de matrices) o > rbind(m1, m2) [,1] [,2] [1,] 1 1 [2,] 1 1 [3,] 2 2 [4,] 2 2 > cbind(m1, m2) [,1] [,2] [,3] [,4] [1,] 1 1 2 2 [2,] 1 1 2 2 El operador para el producto de dos matrices es % %. Por ejemplo, considerando las dos matrices m1 y m2: > rbind(m1, m2) %*% cbind(m1, m2) [,1] [,2] [,3] [,4] [1,] 2 2 4 4 [2,] 2 2 4 4 [3,] 4 4 8 8 [4,] 4 4 8 8 > cbind(m1, m2) %*% rbind(m1, m2) [,1] [,2] [1,] 10 10 [2,] 10 10 La transposicin de una matriz se realiza con la funcin t; esta funcin tambin funciona con o o o e marcos de datos. > a<-c(1,2,3,4,5,6) > d<-matrix(a,nrow=2) > d [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6 5

> t(d) [,1] [,2] [1,] 1 2 [2,] 3 4 [3,] 5 6 Una restriccin en un vector de datos es que todos los valores tienen que ser del mismo tipo. o De manera general, estos pueden ser booleanos, numricos, de caracteres alfabticos (strings.en e e programacin orientada a objetos). o Ejemplo 2.4 (tipos de datos) > simpsons=c("Homero","Marge","Bart","Lisa","Maggie") > simpsons [1] "Homero" "Marge" "Bart" "Lisa" "Maggie" Ya se han visto ejemplos en los que los vectores de datos son numricos, en el caso de strings e estos se introducen con comillas dobles () o con comillas simples (). NOTA: Si en un vector de datos se introducen datos string y datos numricos interpree tar todo el vector como string y no se podrm realizar operaciones aritmticas sobre los datos a a e numricos (pues los trata como letras). e Un vector de datos puede tener sus entradas etiquetadas o con un nombre. Dichas etiquetas aparecern cuando se haga referencia expl a cita al vector. La funcin names() es usada para esto. o Ejemplo 2.5 (Etiquetas a las variables) > names(simpsons)=c("pap","mam","hijo","hija mayor","hija menor") a a > names(simpsons) [1] "pap" a "mam" a "hijo" "hija mayor" "hija menor" > simpsons pap a mam a hijo hija mayor hija menor "Homero" "Marge" "Bart" "Lisa" "Maggie" > vecinos=c(simpsons,"Flanders") > vecinos pap a mam a hijo hija mayor hija menor "Homero" "Marge" "Bart" "Lisa" "Maggie" "Flanders" Note que las etiquetas no inuyen en la naturaleza del vector, se hizo un concatenamiento de simpsons con Flanders sin importar que Flanders no tuviera etiqueta.

3.

Algunos ejemplos de probabilidad

Ejemplo 3.1 (Ensayos Bernoulli) Un primer ejemplo muy sencillo es el lanzamiento de una moneda (ensayo Bernoulli). En R se puede simular el lanzamiento de la moneda repetidamente sin necedidad de hacerlo f sicamente con la funcin rbinom(), y de hecho, esta funcin se puede implementar para cualquier ensayo o o Bernoulli. Para lanzar 10 veces una moneda justa la instruccin en R es la siguiente: o 6

> rbinom(10,1,1/2) [1] 1 0 1 1 0 1 0 1 0 0 > rbinom(10,1,1/2) [1] 0 1 1 1 1 1 0 1 0 0 > rbinom(10,1,1/2) [1] 0 1 0 0 1 1 0 1 1 1 Esta funcin tiene tres parmetros: el primer parmetro es el nmero de lanzamientos, el segundo o a a u parmetro identica al 1 con xito y el tercer parmetro es la probabilidad de xito. a e a e Expresiones Booleanas Como en todos los lenguajes de programacin, se puede comparar nmeros usando igual, no-igual, o u menor que, menor o igual que, mayor, etc. Tales comparaciones tambin pueden ser hechas usando e operaciones Booleanas y, o y no. Los simbolos que se utilizan para estas operaciones son Operacin o y o no igual no igual menor que menor o igual que mayor que mayor o igual que Notacin en R o && || ! == != < <= > >=

Sin embargo, a diferencia de otros programas, R permite comparar vectores como si fueran nmeros individuales. El resultado de esta comparacin es otro vector. Por ejemplo, para comparar u o ensayos Bernoulli con 1 como xito la instruccin es la siguiente: e o > rbinom(10,1,1/2)==1 [1] TRUE FALSE FALSE FALSE FALSE TRUE > rbinom(10,1,1/2)==1 [1] FALSE TRUE TRUE TRUE FALSE FALSE > rbinom(10,1,1/2)==1 [1] TRUE FALSE TRUE TRUE TRUE TRUE

TRUE TRUE

TRUE TRUE

TRUE TRUE

TRUE TRUE

TRUE FALSE FALSE FALSE

y el vector resultante es un vector con valores Booleanos, en el cual en vez de 0s y 1s hay FALSEs y TRUEs, respectivamente. Si se le colocan parntesis rectangulares a la instruccin anterior se puede ver en que nmero e o u de ensayo ocurrieron los xitos e > (1:10)[rbinom(10,1,1/2)==1] [1] 2 3 5 6 7 8 9 > (1:10)[rbinom(10,1,1/2)==1] [1] 1 4 9 > (1:10)[rbinom(10,1,1/2)==1] [1] 2 5 7 8

NOTA IMPORTANTE : Cmo se estn haciendo simulaciones cada que se ejecuta la instruccin o a o nuevos vectors de ceros y unos se generan. Se puede crear una funcin en general, que diga en que que nmero de ensayo se obtuvieron los o u soles en n lanzamientos con probabilidad p de obtener sol soles<-function(n,p)(1:n)[rbinom(n,1,p)==1] Por ejemplo, si queremos saber en que intentos cae sol en 25 lanzamientos con una moneda justa (i.e. p = 1 ) 2 > soles(25,1/2) [1] 5 6 10 12 13 16 19 20 23 24 25 > soles(25,1/2) [1] 1 5 7 11 12 13 15 20 21 22 23 > soles(25,1/2) [1] 3 4 7 9 10 11 16 17 18 20 22 23 Ejemplo 3.2 (Volados) Se lanza una moneda dos veces y se observa qe cay guila sol. Por ejemplo (A, S) establece o a o que el primer resultado fue guila y el segundo fue sol. El conjunto {(A, S), (A, A), (S, S), (S, A)} a es el conjunto de todos los posibles resultados. Si X denota el nmero de soles, entonces X puede u 1 tomar los valores 0, 1 2. Si dicha moneda es justa, entonces P (X = 0) = 4 , P (X = 1) = 1 y o 2 1 P (X = 2) = 4 Se har un diagrama de picos de una distribucin. El diagrama de picos muestra las probaa o bilidades de para cada valor en el rango de una variable aleatoria, y es importante notar que slo o hace sentido esta grca (por el momento) para variables aleatorias discretas. En R, los comandos a para hacer una grca de picos: a > > > > k=0:4 p=c(1,2,3,2,1)/9 plot(k,p,type="h",xlab="k",ylab="Probabilidad", ylim=c(0,max(p))) points(k,p,pch=16,cex=1) Nota: El argumento type=h dibuja las l neas verticales del diagrama de picos Ejemplo 3.3 (El problema de los cumpleaos) n Si n estudiantes se seleccionan aleatoriamente en un saln de clases, cul es la probabilidad de o a que al menos dos de ellos cumplan aos el mismo d Slo con nes didcticos, se supondr que n a? o a a un ao tiene 365 d (i.e. no se consideran aos bisiestos) y tambin se supondr que es igual de n as n e a probable cumplir aos en todos los d del ao. Denamos los siguientes eventos: n as n B: Al menos dos estudiantes cumplan aos el mismo d Entonces, B c es el evento de que los n n a. estudiantes cumplan aos en distintos d Ntese que n as. o P (B c ) = y por lo tanto 365! (365 n)!365n . Se crear una funcin en R para ver el comportamiento de esta probabilidad al variar el nmero a o u de estudiantes P (B) = 1 8 365! (365 n)!365n

> cumplea~os<-function(n)1-factorial(365)/(factorial(365-n)*365^n) n > cumplea~os(1) n [1] NaN Mensajes de aviso perdidos 1: In factorial(365) : value out of range in gammafn 2: In factorial(365 - n) : value out of range in gammafn > cumplea~os(100) n [1] NaN Mensajes de aviso perdidos 1: In factorial(365) : value out of range in gammafn 2: In factorial(365 - n) : value out of range in gammafn > cumplea~os(360) n [1] NaN Mensajes de aviso perdidos In factorial(365) : value out of range in gammafn R (como esperabamos) tiene problema en calucular 365!. Para solucionar este problema se obtendr el logfactorial de la expresin del complemento a o > nocumplea~os<-function(n)exp(lfactorial(365)-lfactorial(365-n)-n*log(365)) n > nocumplea~os(2) n [1] 0.9972603 > nocumplea~os(150) n [1] 2.451222e-16 > nocumplea~os(c(20,22,25,30)) n [1] 0.5885616 0.5243047 0.4313003 0.2936838 > plot(1:100,nocumplea~os(1:100)) n La sentencia plot, graca como funcin de n la log-probabilidad de que niguno cumpla aos en o n el mismo d a

4.

Un poco acerca de generacin de datos aleatorios o

Se hablar un poco acerca de la generacin de variables aleatorias, y no es el n de este texto a o tener una discusin acerca de la aleatoriedad de datos generados por un determinado algoritmo. o Por el momento se restringir la atencin al uso de la funcin sample() de R. a o o R generar observaciones de una variable aleatoria discreta con la funcin sample(). Si el vector a o k contiene los valores de los cuales se obtendr la muestra, y p contiene las probabilidades de cada a valor, entonces el comando sample(k,size=1,prob=p) seleccionar uno de los valores de k con las a probabilidades especicadas por p. Ejemplo 4.1 (Simulacin de Volados) o Ya se estudi el ejemplo del lanzamiento de una moneda justa y denota el nmero de soles. Se o u podr simular este experimento sin la necesidad de lanzar una moneda dos veces, sino de manera a computacional (en R) de la siguiente manera: > k=0:2 > p=c(1,2,1)/4 > sample(k,size=1,prob=p) [1] 1 9

> sample(k,size=1,prob=p) [1] 1 > sample(k,size=1,prob=p) [1] 2 Si no se escribe un valor para prob=, ste por default tomar los valores de k equiprobables. Se e a puede usar esto pasa simular el lanzamiento de un par de dados y sumar sus valores (i.e. la suma de las caras obtenidas en el lanzamiento de dos dados) > sample(1:6,size=1)+sample(1:6,size=1) [1] 7 > sample(1:6,size=1)+sample(1:6,size=1) [1] 8 > sample(1:6,size=1)+sample(1:6,size=1) [1] 5 Muestras aleatorias generadas por sample() La funcin sample() generar una muestra de tamao n de una distribucin discreta especicano a n o do size=n. El muestreo se realizar con reemplazo si se escribe la instruccin replace=TRUE. Esto a o es importante si se desea una muestra aleatoria independiente (y obviamente, por su naturaleza, idnticamente distribuida). El valor por default es sin reemplazo. e Ejemplo 4.2 (Ms de Volados) a Considrese el lanzamiento de una moneda 10 veces y el de un dado 10 veces e > sample(0:1,size=10,replace=TRUE) [1] 1 1 0 0 1 0 1 1 1 1 > sample(1:6,size=10,replace=TRUE) [1] 3 3 6 6 6 1 2 4 4 3 > sample(1:6,size=10,replace=TRUE)+sample(1:6,size=10,replace=TRUE) [1] 5 7 9 11 9 7 9 4 9 6

5.

Familias paramtricas e

En estad stica, hay ciertas distribuciones que han sido clasicadas en las conocidas familias paramtricas; y de hecho, son objeto de estudio de este curso. Cada familia paramtrica tiene un e e nmero de parmetros que caracterizan a la distribucin. Por ejemplo, la distribucin uniforme u a o o continua en el intervalo [a, b] asigna la misma probabilidad a areas iguales en el intervalo. Los parmetros a y b, son los extremos del intervalo. a

5.1.

Las funciones d, p, q y r

R tiene cuatro tipos de funciones que dan informacin acerca de una familia paramtrica. Las o e funciones d muestran la funcin de densidad de probabilidad de la variable aleatoria con una o distribucin particular; las funciones p muestran la funcin de distribucin de la variable aleatoria o o o con una distribucin particular. Las funciones q devuelven cuantiles y las funciones r devuelven o una muestra aleatoria de la distribucin en cuestin. Todas estas funciones se utilizan de la misma o o 10

manera. Cada una de las familias paramtricas ms populares tiene un nombre y parmetros (por e a a ejemplo Bnlli(p), Gamma(a, b), N (, 2 ), etc). El nombre de la funcin se encuentra combinando o el nombre de la familia con d, p, q o r. Ejemplo 5.1 (Distribucin Uniforme) o La distribucin uniforme en [a, b] tiene dos parmetros. En R, el nombre de la familia es unif y los o a parmetros son llamados min= y max=. a > dunif(x=1, min=0, max=3) [1] 0.3333333 > punif(q=2, min=0, max=3) [1] 0.6666667 > qunif(p=1/2, min=0, max=3) [1] 1.5 > runif(n=1, min=0, max=3) [1] 2.37318 Las sentencias anteriores son para la distribucin U nif [0, 3]. La primera sentencia calcula el o valor de fX (1), la segunda sentencia calcula el valor de FX (2). La tercera sentencia obtiene el u cuantil 1 (o la mediana) y la cuarta sentencia obtiene un nmero aleatorio del soporte de la 2 densidad uniforme cuya probabilidad de eleccin es, en este caso, uniforme. Ntese que esta ultima o o instruccin variar cada vez que se ejecute. o a > runif(n=1, min=0, max=3) [1] 1.581594 > runif(n=1, min=0, max=3) [1] 0.8116799 > runif(n=1, min=0, max=3) [1] 2.646479 Es muy util conocer que los argumentos de estas funciones pueden ser vectores, en cuyo caso se reciclan otros argumentos. Por ejemplo, se pueden obtener varios cuantiles en una sola ejecucin. o Ejemplo 5.2 (Cuantiles de la Uniforme) > cuantiles=seq(0,1,by=0.2) > cuantiles [1] 0.0 0.2 0.4 0.6 0.8 1.0 > names(cuantiles)=as.character(seq(0,100,by=20)) > cuantiles 0 20 40 60 80 100 0.0 0.2 0.4 0.6 0.8 1.0 > qunif(cuantiles, min=0, max=1) 0 20 40 60 80 100 0.0 0.2 0.4 0.6 0.8 1.0 Ejemplo 5.3 (Simulaciones de la Uniforme)

11

Si se desea encontrar 5 muestras de cada una de una distribucin uniforme diferente, en este caso o U nif [0, 1], U nif [0, 2], U nif [0, 3], U nif [0, 4] y U nif [0, 5]. > runif(5, min=0, max=1:5) [1] 0.01976616 0.66156667 2.43529922 2.49220146 0.65036437 > runif(5, min=0, max=1:5) [1] 0.5241191 1.1412944 0.2832285 1.9584801 0.1765008 > runif(5, min=0, max=1:5) [1] 0.1503991 1.2051790 0.1071075 0.7629408 1.1152370 > runif(5, min=0, max=1:5) [1] 0.2806553 0.6057529 1.7603208 3.8786438 0.6132827 Ejemplo 5.4 (Simulaciones de la Bernoulli) Las siguientes instrucciones se utilizan para generar una muestra aleatoria de 10 elementos de la distribucin Bnlli( 1 ): o 2 > m=10 > p=1/4 > sample(0:1, size=m, replace=TRUE, prob=c(1-p,p)) [1] 1 0 0 0 0 0 1 0 0 0 Ejemplo 5.5 (Aplicacin del Teorema del Lmite Central) o El tiempo en la la para pagar en cierta tienda de abarrotes puede variar mucho. Se cuenta con el histrico de los minutos por cliente y se observ que el promedio de dichos tiempos es 1 y la o o desviacin estndar de esta es 1. Si se seleccionan aleatoriamente 20 clientes, cul es la probabilio a a dad de que el tiempo promedio en el que se atiende a todas las personas sea menor o igual que 0.9 minutos? Se est suponiendo que el tiempo de servicio de cada cliente proviene de una familia paramtrica a e desconocida con media 1 y desviacin estndar 1 y que los tiempos de servicio forman una sucesin o a o de variables aleatorias independientes e idnticamente distribuidas. En virtud del Teorema del e a L mite Central se supone que X N (1, 1 ), entonces P(X 9) est dada por 20 > pnorm(0.9,mean=1,sd=1/sqrt(20)) [1] 0.3273604 Ejemplo 5.6 (grca de la normal) a > > + > > n=25 curve(dnorm(x,mean=0,sd=1/sqrt(n)), -3,3, xlab="x",ylab="Densidad de la media muestral",bty="l") n=5; curve(dnorm(x,mean=0,sd=1/sqrt(n)), add=TRUE) n=1; curve(dnorm(x,mean=0,sd=1/sqrt(n)), add=TRUE

12

Normal pnorm(n, mean=0, sd=1) Exponencial pexp(n, rate=1) Gamma pgamma(n, shape, scale=1) Poisson ppois(n, lambda) Weibull pweibull(n, shape, scale=1) Cauchy pcauchy(n, location=0, scale=1) Beta pbeta(n, shape1, shape2) t de Student pt(n, df) Fisher-Snedecor pf(n, df1, rf2) Ji cuadrada pchisq(n, df) Binomial pbinom(n,size,prob) Geomtrica e pgeom(n, prob) Hipergeomtrica e phyper(nn, m, n, k) Log stica plogis(n, location=0, scale=1) Lognormal plnorm(n, meanlog=0, sdlog=1) Binomial Negativa pnbinom(n, size, prob) Uniforme punif(n, min=0, max=1)

13