HOla Sofía,
la idea del ejercicio es ver que la proporción de los datos simulados que caen entre qnorm(
) y qnorm(
) debería parecerse a
porque dejas una proporción
para cada lado:
la idea del ejercicio es ver que la proporción de los datos simulados que caen entre qnorm(
![\alpha \alpha](https://eva.fcien.udelar.edu.uy/filter/tex/pix.php/9845198045ec71aa8304372c28b24630.gif)
![1-\alpha 1-\alpha](https://eva.fcien.udelar.edu.uy/filter/tex/pix.php/749c7961493c7a400890412a2d28ae7b.gif)
![1-2\alpha 1-2\alpha](https://eva.fcien.udelar.edu.uy/filter/tex/pix.php/f39b6124cf2e5df2a00a9343b6d9dfb8.gif)
![\alpha \alpha](https://eva.fcien.udelar.edu.uy/filter/tex/pix.php/9845198045ec71aa8304372c28b24630.gif)
n=10000
x=rnorm(n, 0,1)
alpha= 0.2
A=qnorm(alpha) # por definción, A es tal que P(Z<alpha)= 0.2 siendo Z una N(0,1)
B=qnorm(1-alpha) # por definción, B es tal que P(Z<1-alpha)= 0.8
v= (x>A) & (x<B) # devuelve un vector de TRUE y FALSE (verdadero para cada
# coordenada en la que se cumpla la condición)
sum(v)/n
Como el alpha % de los datos debería de caer a la izquierda de A
y el otro alpha % debería caer a la derecha de B, el porcentaje de los datos
que caen entre A y B debería de ser parecido a 1-2*alpha
(porque la distribución es simétrica respecto al 0)