Métodos de Amostragem e Distribuições Probabilísticas
Enviado por
Euclídio Mário NhampossaMétodos de Amostragem e Distribuições Probabilísticas
Enviado por
Euclídio Mário NhampossaNome:
Síntese: XII – Novembro
Sorteio amostral
# amostragem sem reposição
X <- c(1:N) # N-tamanho da população
sample(X, n, replace = FALSE)# n-tamanho
da amostra
Amostragem aleatória simples
# amostragem com reposição
X <- c(1:N) # N-tamanho da população
sample(X, n, replace = TRUE)# n-tamanho
da amostra
n <- c(1:N) Amostragem Sistemática
k <- ceiling(n/N) # Intervalo de seleção
inicio <- sample(1:k, 1)
amostra_sistematica <- dados[seq(inicio,
n, by = k)]
X <- c(1:n1) Amostragem por
Y <- c(1:n2) Conglomerados
Cong <- split(X,Y)
amostra_congl <- sample(cong, 2)
Distribuições de probabilidade discretas
#Probabilidade de exactamente x sucessos:
dbinom(x, size, prob)
#Probabilidade acumulada de até q sucessos:
pbinom(q, size, prob) Distribuição Binomial
#n amostras aleatórias de uma distribuição
binomial:
rbinom(n, size, prob)
#Probabilidade de exactamente x eventos:
dpois(x, lambda)
#Probabilidade acumulada de até q eventos:
Distribuição de Poisson
ppois(q, lambda)
#n amostras aleatórias de uma distribuição
de Poisson:
rpois(n, lambda)
#Probabilidade de ter exatamente x falhas
antes do primeiro sucesso:
dgeom(x, prob)
#Probabilidade acumulada de ter até q
falhas: Distribuição Geométrica
pgeom(q, prob)
#Gera n amostras aleatórias de uma
distribuição geométrica:
rgeom(n, prob)
#Probabilidade de ter exactamente x sucessos
em uma amostra de k, onde m é o número de
sucessos na população e n é o número de
falhas:
dhyper(x, m, n, k) Distribuição
#Probabilidade acumulada: Hipergeométrica
phyper(q, m, n, k)
#Gera nn amostras aleatórias:
rhyper(nn, m, n, k)
Distribuição de probabilidade continuas
#Densidade de probabilidade:
dnorm(x, mean, sd)
Normal
#Probabilidade acumulada:
pnorm(q, mean, sd)
#Percentil correspondente a uma
probabilidade p:
qnorm(p, mean, sd)
#Gera n amostras aleatórias de uma
distribuição normal:
rnorm(n, mean, sd)
#Densidade de probabilidade:
dexp(x, rate)
#Probabilidade acumulada:
pexp(q, rate)
#Percentil correspondente a uma
Distribuição Exponencial
probabilidade p:
qexp(p, rate)
#Gera n amostras aleatórias de uma
distribuição exponencial:
rexp(n, rate)
#Densidade de probabilidade:
dunif(x, min, max)
#Probabilidade acumulada:
punif(q, min, max)
#Percentil correspondente a uma Distribuição Uniforme
probabilidade p: Contínua
qunif(p, min, max)
#Gera n amostras aleatórias de uma
distribuição uniforme:
runif(n, min, max)
#Densidade de probabilidade:
dcauchy(x, location, scale)
#Probabilidade acumulada:
pcauchy(q, location, scale) Distribuição de Cauchy
#Percentil correspondente a uma
probabilidade p:
qcauchy(p, location, scale)
#Gera n amostras aleatórias de uma
distribuição de Cauchy:
rcauchy(n, location, scale)
#Densidade de probabilidade:
dbeta(x, shape1, shape2)
#Probabilidade acumulada:
pbeta(q, shape1, shape2)
#Percentil correspondente a uma
Distribuição Beta
probabilidade p:
qbeta(p, shape1, shape2)
#Gera n amostras aleatórias de uma
distribuição beta:
rbeta(n, shape1, shape2)