Ejemplo: estimación de probabilidades mediante simulación Monte Carlo
Genere números aleatorios para ilustrar cómo los métodos con grandes muestreos pueden calcular de forma aproximada las probabilidades de cantidades cuyas distribuciones se desconocen.
1. Defina los parámetros de la distribución logística con los parámetros de ubicación y escala L y S.
2. Defina los parámetros de muestreo de la simulación Monte Carlo.
◦ Número de muestras individuales que se deben recopilar:
◦ Número de puntos de datos de cada muestra:
3. Utilice las funciones
mean y
rlogis para realizar el muestreo y calcular la media de cada muestra.
4. Calcule de forma aproximada la probabilidad de que la media de un conjunto de números aleatorios esté dentro del intervalo [a, b].
La probabilidad depende del número de puntos de datos de cada muestra y de la amplitud del intervalo.
5. Trace la función
plogis para mostrar la distribución de probabilidad acumulada de la distribución logística. Utilice un marcador horizontal para marcar el nivel de probabilidad.
6. Amplíe el segmento verde de guiones del gráfico y, a continuación, utilice marcadores verticales para marcar el intervalo [a, b], y marcadores horizontales para marcar la probabilidad acumulada inferior y superior entre [a, b]:
7. Trace la función
dlogis para mostrar la densidad de probabilidad de la distribución logística.
8. Amplíe el segmento verde de guiones del gráfico y utilice marcadores verticales para marcar el intervalo [a, b]:
9. Utilice la función
qlogis para calcular la distribución de probabilidad acumulada inversa de la probabilidad Prob.
