CAPÍTULO 6. GRAFICACIÓN CON R
158
f
(
k
; 10
) =
10
k
k
!
e
−
10
(6.3)
Si en esa situación se quisiera averiguar la probabilidad de que acudieran
12 clientes por minuto, simplemente se calcularía con:
f
(
12; 10
) =
10
12
12!
e
−
10
=
0.0948
(6.4)
Entonces, la probabilidad de que, para esa caja particular, acudan 12 clientes
por minuto es del 9.48%. Afortunadamente, R cuenta con la función
dpois()
,
que implementa la función de densidad de probabilidades de Poisson, y en-
tonces, en R el cálculo anterior se hace con el siguiente código.
dpois
(
12
,
lambda
=
10
)
## [1] 0.09478
Supóngase ahora que se quiere tener un registro de las probabilidades co-
rrespondientes a las razones entre 0 y 20 clientes por minuto, con la misma
razón media de 10 clientes por minuto. Esto es fácil de obtener con el siguiente
código.
x
<-
0
:
20
ds10
<-
dpois
(x,
10
)
ds10
## [1] 0.0000454 0.0004540 0.0022700 0.0075667 0.0189166
## [6] 0.0378333 0.0630555 0.0900792 0.1125990 0.1251100
## [11] 0.1251100 0.1137364 0.0947803 0.0729079 0.0520771
## [16] 0.0347181 0.0216988 0.0127640 0.0070911 0.0037322
## [21] 0.0018661
Al igual que, para el caso de la distribución uniforme, presentada en la sec-
ción 6.6.1 en la página 154 y lo cual se ha mostrado también gráficamente en la
Fig. 6.19, a la función de densidad de probabilidades de Poisson, le correspon-
de una función de distribución de probabilidades, que registra la probabilidad
acumulada de acuerdo con una fórmula semejante a dada en la ecuación 6.1.
El lenguaje implementa dicha función mediante la función
ppois()
, aunque se
pudiera hacer un cálculo semejante al que se hizo anteriormente con
Reduce()
en el caso de la distribución uniforme. En seguida se presentan y comparan
ambas versiones.
# Con Reduce se usa resultado anterior 'ds10'
Ps10A
<-
Reduce
(
'+'
, ds10,
accumulate
=T)
Ps10A
