Uso de libreria Fastgraph

Proporciona funcionalidad para producir gráficos de funciones de densidad de probabilidad y funciones de distribución acumulativa con pocas pulsaciones de tecla, permite sombrear bajo la curva de la función de densidad de probabilidad para ilustrar conceptos tales como valores p y valores críticos, y se ajusta a una línea de regresión lineal simple en un diagrama de dispersión con la ecuación como título principal.

Función ShadeDist

Esta función traza una función de densidad de probabilidad, sombrea el área bajo la curva y calcula la probabilidad.

Argumentos utilizados

Argumentos

xshade: Un solo número o vector de dos números, que denota valores en el eje x donde comienza y termina el sombreado debajo de la curva. Sin embargo, si es NULL, no se produce ningún sombreado.

ddist: Variable de carácter que nombra la función de densidad de probabilidad que se graficará. Quizás se establezca en “dprop” para una proporción de muestra, utilizando los mismos argumentos que dbinom.

parm1: El primer argumento en ddist, excluyendo el argumento ficticio. Por ejemplo, si ddist = “dnorm”, entonces parm1 es la media de “dnorm”. Alternativamente, parm1 se puede configurar para que sea un vector de argumentos, excluyendo el argumento ficticio. Sin embargo, si ddist = “dprop”, entonces parm1 debe establecerse en el tamaño en dbinom.

parm2: El segundo argumento es en ddist, excluyendo el argumento ficticio. Por ejemplo, si ddist = “dnorm”, entonces parm2 es el sd de “dnorm”. Alternativamente, parm2 se puede configurar para que sea un vector de argumentos, excluyendo tanto el argumento ficticio como parm1. Sin embargo, si ddist = “dprop”, entonces parm2 debería establecerse en el tamaño en dbinom.

lower.tail: Valor lógico ; si es TRUE (predeterminado), la región más baja está sombreada; de lo contrario, la siguiente región más baja está sombreada.

xlab: La etiqueta de la variable x.

xmin: El valor x mínimo que se graficará.

xmax: El valor x máximo que se graficará.

main: El título principal dado para el gráfico.

col: Un vector de tamaño dos, especificando los colores de la curva de densidad y el sombreado, respectivamente.

Carga de datos y estimación del modelo

autos<-mtcars
head(mtcars, n=5)
##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
modelo_estimado<- lm(formula = mpg~cyl+disp+hp+gear,data = autos)
summary(modelo_estimado)
## 
## Call:
## lm(formula = mpg ~ cyl + disp + hp + gear, data = autos)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -4.3716 -2.3319 -0.8279  1.3156  7.0782 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 27.42342    6.30108   4.352 0.000173 ***
## cyl         -0.86624    0.84941  -1.020 0.316869    
## disp        -0.01190    0.01190  -1.000 0.325996    
## hp          -0.03050    0.01982  -1.539 0.135498    
## gear         1.42306    1.21053   1.176 0.250030    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 3.035 on 27 degrees of freedom
## Multiple R-squared:  0.7792, Adjusted R-squared:  0.7465 
## F-statistic: 23.82 on 4 and 27 DF,  p-value: 1.606e-08

Grafica de prueba F

# Valor critico
options(scipen = 999999)
library(fastGraph)
F_anova <-summary(modelo_estimado)$fstatistic[1]
gl_num<-summary(modelo_estimado)$fstatistic[2]
gl_den<-summary(modelo_estimado)$fstatistic[3]
F_VC<-qf(0.95,gl_num,gl_den,lower.tail = TRUE)
shadeDist(xshade = F_anova,"df",gl_num,gl_den,lower.tail = FALSE,
          sub=paste("VC:",F_VC," ","Fc:",F_anova))

Grafica de Prueba T

# Valor critico
library(fastGraph)
Coef_modelo<-summary(modelo_estimado)$coefficients
t_values<-Coef_modelo[,"t value"]
tc_cyl<-t_values['cyl']
t_VC_cyl<-confint(modelo_estimado,"cyl",level = .95)

shadeDist(c(-tc_cyl,tc_cyl),ddist = "dt",13,sub=paste("Limite inferior:",-2.609,"Limite superior:",0.877))

print(t_VC_cyl)
##         2.5 %    97.5 %
## cyl -2.609076 0.8766048

Grafico chi^2

library(fastGraph)
shadeDist(qchisq(0.05,32,lower.tail = FALSE),ddist = "dchisq",parm1 = 32,lower.tail = FALSE)

gl<- 2

Gráfico chi^2 con p value

library(fastGraph)
shadeDist(xshade = 0.05,ddist = "dchisq",parm1 = 2,lower.tail = FALSE,sub=paste("alpha:",0.05))

## Gráfico de distribución normal.

library(fastGraph)
shadeDist(qchisq(0.05,32,lower.tail = FALSE),ddist = "dnorm",parm1 = 32,lower.tail = FALSE)

P value en distribución normal

library(fastGraph)
shadeDist(xshade = 0.05,ddist = "dnorm",parm1 = 0,lower.tail = FALSE)