Grabar archivos con diferentes nombres en un “loop”
En algunas ocasiones nos interesa crear archivos dentro de un loop y grabarlos con nombres diferentes. Aquà pueden encontrar un ejemplo de código en R de como hacerlo.
En algunas ocasiones nos interesa crear archivos dentro de un loop y grabarlos con nombres diferentes. Aquà pueden encontrar un ejemplo de código en R de como hacerlo.
En el dÃa de hoy un estudiante de la maestrÃa en economÃa de Icesi se preguntaba cómo simular una muestra proveniente de un proceso AR con perturbaciones (errores) no gaussianos (que no sigan una distribución normal).
Buscamos en los paquetes disponibles, encontramos funciones que simulan procesos ARIMA pero con errores gaussianos. Finalmente llegamos al siguiente código que es una modificación del disponible en el siguiente link http://www.unige.ch/ses/dsec/ronchetti/TIMESERIES/Assign04.pdf.
ARsim <- function(rho,first,serieslength,distribution) { # rho: AR parameters, vector of size 2 # first: fixed first elements for computation of AR part, vector of size 2 if(distribution=="t"){a <- rt(serieslength,3)} else {a <- rnorm(serieslength,0,1)} Y <- first for (i in (length(phi)+1):serieslength){ Y[i] <- rho*Y[i-1]+a[i] } return(Y) }
Created by Pretty R at inside-R.org
Podemos generar una muestra de tamaño 1000 para un proceso AR(1) a partir de errores que siguen una distribución normal o una distribución t con 3 grados de libertad empleando las siguientes lÃneas de código.
En el dÃa de hoy un estudiante de la maestrÃa en economÃa de Icesi se preguntaba cómo simular una muestra de dos variables aleatorias cuyas distribuciones (marginales) corresponden a una distribución estándar normal y están correlacionadas entre sÃ. La siguiente función puede servir para resolver este problema.
Created by Pretty R at inside-R.org
Esta función se puede emplear para generar una muestra de tamaño 100 para dos variables aleatorias con una correlación poblacional de 0.8 de la siguiente manera:
Created by Pretty R at inside-R.org
Noten que al calcular la varianza de la correlación muestral no necesariamente será igual a 0.8 para cada muestra. Pero si repite muchas veces el ejercicio la media de las correlaciones deberá estar muy cerca a 0.8. ¿por qué?
Si bien es discutible si un estudiante de perorado deberÃa emplear R para sus análisis econométricos o estadÃsticos, creo que existe suficiente ventajas para un estudiante de maestrÃa o doctorado que hacen de R el paquete estadÃstico ideal.
Aquà van mis 11 razones:
1. R es gratuito. No necesitan piratear o comprar licencias que sobrepasan los US$ 100.
2. R tiene una comunidad académica detrás que provee una muy buena documentación en lÃnea.
3. R es empleado por investigadores de multiplicidad de áreas.
4. Continuamente aparecen nuevos paquetes gratuitos que expande la capacidad de R para estimar o solucionar diferentes problemas.
5. Emplear una interfase de linea de comando (command-line) de R permite aprender mientras se hacen los cálculos ( al contrario de los paquetes que se manipulan por ventanas y con clics).
6. R es uno de los paquetes estadÃsticos de mayor crecimiento en su uso en diferentes disciplinas.
7. El lenguaje de programación de R es intuitivo.
8. R crea gráficos de calidad superior a otros paquetes.
9. R y LaTex trabajan de manera integrada.
10. R es multiplataforma, es decir funciona en Mac, Windows o Linux)
11. ¡R te hace pensar!
¿Tiene otra razón? Deje su comentario aquÃ.