Library(fitdistrplus) para calcular EMV

Library(fitdistrplus)  para calcular EMV

x=muestra de los datos

X=base$columna (todos los datos)

Para datos gaussianos

Sd(x)=sigma

mu=mean(x)

IC para mu con sigma conocido

z.test(muestra de los datos(x) , stdev=sigma , conflevel=1-alpha)$conf.int

IC para mu con sigma desconocido

t.test(muestra de los datos(x),conf.level=1-alpha)$conf.int

IC para varianza con mu desconocido

Sigma.test(muestra de los datos(x), conf.level=1-alpha)$conf.int

Para datos Bernoulli

IC asintótico para mu  o pi

z.test(muestra de los datos(x), stdev= sqrt(mu(1-mu)) ,conf.level=1-alpha)$conf.int

z.test(mean(x(muestra de los datos)), stdev= sqrt(mean(x)(1-mean(x))/n)  ,conf.level=1-alpha)$conf.int

Con solo un limite inferior 

X = PCR$EXTRANJERO                                p = mean(X)

round(z.test(x = X, stdev = sqrt(p(1-p)), alternative = "greater", conf.level = 0.90)$conf.int,4)

 Con solo un limite superior

round(z.test(x = X, stdev = sqrt(p(1-p)), alternative = "less", conf.level = 0.90)$conf.int,4)

Para datos Lognormal

Primero calcular el lambda y el zeta

library(fitdistrplus)

Lambda= fitdist(datos$columna(X),”lnorm”,method=”mle”)$estimate[1]=hat.lambda

CCR= (fitdist(datos$columna(X),”lnorm”,method=”mle”)$sd[1]) ^2=CCR.hat.lambda

IC asintótico para lambda

z.test(x= hat.lambda, stdev= sqrt(CCR.hat.lambda) , conf.level=1-alpha)$conf.int

Para Gamma

Primero calcular el k y el lambda

library(fitdistrplus)

Lambda= fitdist(datos$columna(X),”gamma”,method=”mle”)$estimate[1]=hat.k

CCR= (fitdist(datos$columna(X),”gamma”,method=”mle”)$sd[1]) ^2=CCR.hat.k

IC asintótico para k

z.test(x= hat.k, stdev= sqrt(CCR.hat.k) , conf.level=1-alpha)$conf.int

Dos muestras

library(dplyr)  para filtrar

Base.H=filter(Datos,Columna==1 o 2)

Puedo hacer Base.H$columna

• Intervalo de confianza de dos variables para comparar variaciones 

Var.test(x=X,y=Y,conf.level=0.95)$conf.int

Si el uno se encuentra en el intervalo anterior, ocupo el de igualdad de varianzas desconocidas para hacer un intervalo de las medias

Para saber cual de las dos usar,debo calcular lo anterior

• Intervalo de confianza de dos variables para comparar medias bajo el supuesto de normalidad y con varianzas desconocidas e iguales

t.test(x=X(columnas de datos), y=Y(columnas de datos, var.equal= T, conf.level=0.95)$conf.int

• Intervalo de confianza de dos variables para comparar medias bajo el supuesto de normalidad y con varianzas desconocidas e distintas

t.test(x=X(columnas de datos), y=Y(columnas de datos, var.equal= F, conf.level=0.95)$conf.int

Intervalo de confianza de dos variables para comparar medias bajo el supuesto de normalidad y con varianzas conocidas e iguales

...