Visualizando distribuciones con histogramas en R

 Histogramas para visualizar distribuciones en R

#####
# Distribución normal
# Generando números con media = 0 y sd = 1
normal <- rnorm(100000) 
mean(normal)               # Verificando media y desviación estándar

[1] -0.002535

sd(normal)

[1] 1

hist(normal)               # Histograma

# Generando números con media = 5 y sd = 10
normal <- rnorm(100000,5,10) 
mean(normal)

[1] 5.015

sd(normal)

[1] 9.984

hist(normal)

#####
# Distribución binomial
binom <- rbinom(100000, 50, .8)
mean(binom)

[1] 40

sd(binom)

[1] 2.819

hist(binom)
lines(seq(30,50,1),dbinom(seq(30,50,1),50,0.8)* 1e+5 ,col="blue")  #Curva normal superpuesta

#####
# Distribución exponencial 
exponencial<- rexp(100000)
mean(exponencial)

[1] 1.004

sd(exponencial)

[1] 1.003

hist(exponencial)

#####
# Chi-cuadrada con 10 grados de libertad
Chi <- rchisq(100000, 10)
mean(Chi)

[1] 9.98

sd(Chi)

[1] 4.469

hist(Chi)

#####
# Beta
beta <- rbeta(100000,2,3)
mean(beta)

[1] 0.4007

sd(beta)

[1] 0.1998

hist(beta)

#####
# Distribución F con 5 grados de numerador y 20 de denominador
f <- rf(100000, 5, 20)
mean(f)

[1] 1.111

sd(f)

[1] 0.8465

hist(rf(10000,5,20))

##### 
# Distribución t con 20 grados de libertad
t <- rt(100000, 20)
mean(t)

[1] -0.004615

sd(t)

[1] 1.056

hist(t)

#####
#Log-normal 
lnormal <- rlnorm(100000)
mean(lnormal)

[1] 1.647

sd(lnormal)

[1] 2.12

hist(lnormal)

#####
#Poisson distribución con lambda = 12
poisson <- rpois(100000, lambda = 12)
mean(poisson)

[1] 12.01

sd(poisson)

[1] 3.463

hist(poisson)

#####
# Weibull (T = 100000, gamma = 1.5, alpha = 5000)
weibull <- rweibull (100000, 1.5, 5000)
mean(weibull)

[1] 4500

sd(weibull)

[1] 3051

hist(weibull)