Publications by Nicolas Cortes, Betsy, Jonathan Pasachova y Jhonier Rangel
Bases funcionales
Bases funcionales #install.packages("fda") library(fda) ## Warning: package 'fda' was built under R version 4.4.3 ## Cargando paquete requerido: splines ## Cargando paquete requerido: fds ## Cargando paquete requerido: rainbow ## Cargando paquete requerido: MASS ## Warning: package 'MASS' was built under R version 4.4.3 ## Cargando paquete requeri...
65 sym R (7427 sym/37 pcs) 5 img
SERIES DE TIEMPO EN R
Basado en las notas de Luis Rincón. Paquetería requerida • stats: para el análisis de series de tiempo • tseries: para pruebas de hipótesis acerca de la estacionariedad • nortest: para la prueba de hipótesis de normalidad • FinTS: para la prueba de hipótesis para homocedasticidad library("stats") library("tseries") ## Warning: pac...
4422 sym R (7999 sym/63 pcs) 12 img
Black Scholes
Black Scholes Se tienes dos activos \[dR_t= \rho R_t\] Activo en resta fija \[dS_t = \mu S_t dt + \sigma S_t dB_t\] Activo en renta variables \[dS_t = \mu S_t dt + \sigma S_t dB_t\] \[S_t := S_0 e^{(\mu-\frac{1}{2}\sigma^2)t + \sigma B_t}\] Sobre un comportamiento monótono se hace la estimación de la media y de la volatilidad del activo sob...
4237 sym R (1254 sym/4 pcs)
Álgebra matricial para análisis multivariante
Descriptiva multivariada \[ \bar{x_j} = \frac{1}{n}1'X_j = \frac{1}{n}X_j '1 \] Matriz de unos n<-10 p<-10 U<- matrix(1,n,p) U ## [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] ## [1,] 1 1 1 1 1 1 1 1 1 1 ## [2,] 1 1 1 1 1 1 1 1 1 1 ## [3,] 1 1 1 1 1...
1815 sym R (12129 sym/61 pcs) 3 img
Dependencia entre dos variables
Dependencia entre dos variables. Los métodos más aplicados para evaluar dependencia. Regresión lineal: Cuanitativa - Cuantitativa Prueba de independencia chi cuadrado: Cualitativa - Cualitativa Anova a una vía: Cuantitativa - Cualitativa x<-rnorm(100,75,25) y<-5+0.4*x+rnorm(100,0,5) plot(x,y) x<-c(0,1) y<-c(0,5) plot(x,y,type='l',col='bl...
432 sym 2 img
Regresión espacial
Introducción Este documento realiza un análisis de regresión espacial mediante máxima verosimilitud (MLE). Implementaremos una función personalizada para optimizar los parámetros del modelo espacial y compararemos los resultados con el paquete spatialreg. Definición de la función de log-verosimilitud sml_ll <- function(theta, y, X, W, gr...
328 sym R (6873 sym/20 pcs)
Diseños no Paramétricos
Diseños no paramétricos Un diseño no paramétrico de experimentos se refiere a un conjunto de técnicas y procedimientos utilizados para analizar datos experimentales que no cumplen con las suposiciones requeridas por los métodos paramétricos tradicionales, como la normalidad en la distribución de los datos o la homogeneidad de las varian...
2900 sym R (1682 sym/12 pcs)
Pruebas de Comparacióm múltiple
# Cargar los datos datos <- data.frame( Tratamiento = rep(c("Control", "Baja_sal", "Sin_sal", "Dosis_1", "Dosis_2"), each = 5), Presion = c( 180, 173, 175, 182, 181, # Control 172, 158, 167, 160, 175, # Baja sal 163, 170, 158, 162, 170, # Sin sal 158, 146, 160, 171, 155, # Dosis 1 147, 152, 143, 155, 160 # Dosi...
34 sym R (5714 sym/18 pcs) 3 img
Diseños sobre dos muestras
INFERENCIA PARA DOS POBLACIONES Primer caso: Medias y varianza iguales bajo el supuesto de normalidad x<-rnorm(25,40,3) y<-rnorm(25,40,3) par(mfrow=c(2,2)) hist(x) hist(y) plot(density(x)) plot(density(y)) ### Primer paso: Evaluar el supuesto de normalidad \[H_0: X \sim Normal\] \[H_a: X \not\sim Normal\] Recuerde que en el caso del test...
2718 sym R (3074 sym/33 pcs) 2 img
Inferencia sobre el proceso de Poisson
Cómo simular un proceso de Poisson #################### SIMULACIÓN ####### library(ggplot2) TT<-rexp(80) t<-seq(0,60,length=600) Nt<-rep(0,600) for(i in 1:600){ k=1 while (sum(TT[1:k])<t[i]) { k=k+1} Nt[i]=k } plot(t,Nt,type="l") Como estimarlo Sea \[N_{t_1}, N_{t_2}, \dots , N_{t_n}\] una realización parcial del pr...
1025 sym R (23418 sym/56 pcs) 8 img