Explorar la simulación de datos con distribuciones estadísticas comunes y calcular los intervalos de confianza al 95% para comparar su comportamiento.
set.seed(2025)
n <- 20
mu_normal <- 15
sigma_normal <- 5
atencion <- rnorm(n, mean = mu_normal, sd = sigma_normal)
media_norm <- mean(atencion)
sd_norm <- sd(atencion)
error_norm <- qt(0.975, df = n-1) * sd_norm / sqrt(n)
ic_norm <- c(media_norm - error_norm, media_norm + error_norm)
atencion## [1] 18.10378 15.17821 18.86577 21.36245 16.85488 14.18573 16.98556 14.60005
## [9] 13.27517 18.51076 13.02152 6.22473 12.89518 18.82455 20.33081 14.03152
## [17] 14.73926 17.08835 8.43653 27.14510lambda <- 1 / 3.5
llegadas <- rexp(n, rate = lambda)
media_exp <- mean(llegadas)
sd_exp <- sd(llegadas)
error_exp <- qt(0.975, df = n-1) * sd_exp / sqrt(n)
ic_exp <- c(media_exp - error_exp, media_exp + error_exp)
llegadas## [1] 4.5735373 1.8642962 0.3179905 0.2855388 9.1859092 1.6520176 6.3741586
## [8] 5.0367729 0.1415688 3.9443007 3.8529426 0.6309717 1.8553142 0.7054484
## [15] 5.6221123 1.6942815 0.2473758 1.8746554 1.5540530 3.5845891| Distribución | Media | Desviación | IC_95 |
|---|---|---|---|
| Normal | 16.03 | 4.54 | [13.91, 18.16] |
| Exponencial | 2.75 | 2.46 | [1.6, 3.9] |
La distribución normal tuvo datos más estables y un intervalo de confianza más corto, lo que indica menos variabilidad. En cambio, la distribución exponencial mostró mayor dispersión y un intervalo más amplio. Esto es esperado debido a la naturaleza de cada distribución.
Fin del documento.