Econometría
Códigos RStudio
VECTORES
Funciones para usar con los vectores. Otra forma de generar vectores.
1. suma de los elementos de x: 1. Secuencia ordenada de valores:
sum(x) w1 <- seq(-5,5,by=0.2)
2. largo del vector x: 2. Un vector de largo 4 con todos sus
length(x) elementos iguales a 10:
3. media del empírica de los datos w2 <- rep(10,4)
contenidos en x:
sum(x)/length(x) MATRICES
1. Asignar una matriz de (3 × 4) al
Funciones para calcular estadísticos con
objeto A
vectores.
1. Media empírica de los datos de x: A <- matrix(seq(1,12),3,4)
mean(x) 2. Para conocer la dimensión de A:
2. Mediana empírica del vector x: dim(A)
3. Extraer el elemento de la fila 2,
median(x)
columna 3 de la matriz A
3. Varianza empírica de los datos z:
A[2,3]
var(z)
4. Calcular multiplicación de matrices
4. Desviación estándar de los datos z: A%*%B
d(z)
s 5. Comando *A
A multiplica
5. Cuantil de 25 % de componente a componente:
los datos de z: A*A
quantile(z,0.25) 6. Transponer una matriz:
6. Estadísticos descriptivos t(A)
para el vector z: 7. Determinante de una matriz
summary(z) det(A)
8. Inversa de una matriz A:
Extraer partes de un vector. solve(A)
1. Extraer el 1ro, 2do y 3er 9. Conformar una matriz uniendo
elemento de x: columnas:
x[1:3] E1 <- cbind(x,y)
2. Extraer todos los elementos de x 10.Conformar una matriz uniendo filas:
mayores a 4: E2 <- rbind(x,y)
x[x>4]
3. Para otras distribuciones conocidas
GRÁFICOS ver
Obtener el gráfico. help(distributions)
1. Box Plot de z
boxplot(z) VALORES FALTANTES Y DATAFRAME
2. Histograma de z (frec. absolutas) ● NA: valor no asignado.
hist(z) ● Nan: valor no numérico.
3. Histograma de z (frecuencias
● Dataframe: es un tipo de lista, pero
relativas)
hist(z,prob=T) se diferencia de la matriz porque
4. Densidad de una normal de media 0 esta puede estar compuesta por
y error estándar 1. distintos tipos de datos.
x <- seq(-3,3,by=0.1))
1. Generarla:
y.dens <- dnorm(x,0,1)
plot(x,y.dens,type=”l”) data.frame(“nombre col” =
5. Graficar la densidad normal y el (elem), “nombre fila” =
histograma z.
datos <- c(números...) (elem))
hist(datos,prob=T) 2. Read.csv()
lines(x,y.dens,col=”red”)
3. Read.table()
6. FDA de una normal de media 0 y
error estándar 1. 4. Convertir una matriz a un
x <- seq(-3,3,by=0.1)) dataframe: data.matrix()
y.prob <- pnorm(x,0,1)
plot(x,y.prob,type=”l”)
EXTRAS
FDA’s y FP normal.
Calcular (el inverso de la
1. Obtener el valor de la densidad
probabilidad¿?).
normal con media 0 y error
estándar 1 cuando x es igual a 0.5 1. Normal
dnorm(0.5,0,1)
qnorm(0.025,0,1)
2. Obtener el valor de la FDA
normal con media 0 y error 2. Fisher, qf esta al reves debo sacar
estándar 1 cuando x es igual a 1- lo que ya tenía de probabilidad
0.5
pnorm(0.5,0,1) qf(0.995,40,40)
qf(0.005,40,40)
FDA’s y FP binomial. 3. Student, Debo multiplicar por el
1. Obtener el valor de la función de
probabilidad binomial con n = 20 negativo
y p =
0,3 cuando x es igual a 6 1*qt(0.025,80)
dbinom(6,20,0.3)
4. Chi cuadrado, qchisq esta al revés
2. Obtener el valor de la FDA
binomial con n = 20 y p =
0,3 debo sacar 1- lo que ya tenia de
cuando x es igual a 6 prob
pbinom(6,20,0.3)
qchisq(0.975,24)
qchisq(0.975,1)
Calcular probabilidades:
1. Normal
pnorm(-0.63)
-pnorm(-1.58)
2. Student
pt(-0.8,49)
3. Chi cuadrado, debe llevar 1- la
probabilidad
1-pchisq(18.25,15)
4. Fisher, debe llevar 1- para que
evalúe igual a la tabla
1-pf(39.86,1,1)
