In [1]:
# rm(list=ls())
options(OutDec = ",")
#==============================================================================
# Exemplo para gerar da distribuicao t-Student atraves da mistura de escala da
# normal com a gama.
#==============================================================================
set.seed(54345) # Semente
n <- 100000 # Tamanho da amostra
mu <- 5 # Parametro de localizacao
sigma <- 2 # Parametro de escala
nu <- 10 # Graus de liberdade
lambda <- rgamma(n,0.5*nu,0.5*nu) # Variavel auxiliar
x <- rnorm(n,rep(mu,n),sigma/sqrt(lambda))
print(c(min(x),max(x)))
[1] -10,88571 18,38095
In [2]:
#==============================================================================
# Histograma
#==============================================================================
par(mfrow=c(1,1),lwd=2,cex.lab=1.5,cex.axis=1.5,lab=c(14,6,0),
mar=c(4.5,5,2,1),bty="n")
hist(x,nclass=50,prob=T,main="",ylim=c(0,0.20),xlim=c(-12,20),col="darkgreen",
ylab=expression(f(x)),xlab=expression(x))
xseq <- seq(-12,20,length=1000)
yseq <- dt((xseq-mu)/sigma,nu)/sigma
lines(xseq,yseq,col="red",lwd=3)
In [3]:
#==============================================================================
# Grafico de dispersao de lamba e x
# Estrutura de dependencia entre as variaveis lambda e x
# Valores pequenos de lambda (grandes para 1/lambda) tendem a levar a valores
# grandes de x
# Valores grandes de lambda (pequenos para 1/lambda) tendem a levar a valores
# pequenos de x
#==============================================================================
par(mfrow=c(1,1),lwd=2,cex.lab=1.5,cex.axis=1.5,lab=c(14,6,0),
mar=c(4.5,5,2,1),bty="n")
plot(x,lambda,pch=".",ylab=expression(lambda),cex=3,xlim=c(-12,20))
In [4]:
# rm(list=ls())
#==============================================================================
# graphics.off()
#==============================================================================
# Fim
#==============================================================================