Simulación de datos para posterior modelado con Beta Generalizada de Tipo II.

simul.R

# Rodolfo Ferro Pérez
# ferro@cimat.mx
# Simulación de datos Beta Generalizada de Tipo II, LogNormal y mezcla de LogNormales.

# Liberar memoria:
rm(list=ls())
# Set path:
setwd("/Users/RodolfoFerro/Desktop/simulación")
breaks = 70

# Número de datos:
num_datos  = 1000


#=============== Simulación de datos: ===============#

#====== I. Beta generalizada de tipo II:
library(GB2) # loading package GB2

# Parámetros:
a = 3.25
b = 17000
p = 0.8
q = 0.35

# Simulamos una muestra uniforme de N datos:
datos_unif = runif(num_datos)

# Por el método de la transformada inversa:
simulados  = qgb2(datos_unif, a, b, p, q)
simulados

# Graficamos histograma:
png('BetaGeneralizadaII.png') # Para iniciar el guardado de imagen
hist(simulados,freq=F,main="Histograma de datos simulados \n& densidad ajustada \n Beta Generalizada de Tipo II",
     xlab="Datos",ylab="Frecuencia de datos",
     border="white", col="steelblue", breaks=breaks) 
lines(density(simulados, adjust=1.0), col="red", lwd=2)
dev.off() # Fin de guardado de imagen

# Guardamos como csv:
write.csv(simulados, file = "simul_GB2.csv")


#====== II. Lognormal:

# Parámetros:
mu = 11.04465
s  = 1.180168

# Simulamos una muestra uniforme de N datos:
datos_unif = runif(num_datos)

# Por el método de la transformada inversa:
simulados  = qlnorm(datos_unif, mu, s)
simulados

# Graficamos histograma:
png('LogNormal.png') # Para iniciar el guardado de imagen
hist(simulados,freq=F,main="Histograma de datos simulados \n& densidad ajustada \n LogNormal",
     xlab="Datos",ylab="Frecuencia de datos",
     border="white", col="steelblue", breaks=breaks) 
lines(density(simulados, adjust=1.0), col="red", lwd=2)
dev.off() # Fin de guardado de imagen

# Guardamos como csv:
write.csv(simulados, file = "simul_LNORM.csv")


#====== III. Mix-Lognormal 1:

# Parámetros:
mu1 = 11.04465
s1  = 1.180168
mu2 = 13.0
s2  = 2.0

# Simulamos una muestra uniforme de N datos:
datos_unif1 = runif(num_datos)
datos_unif2 = runif(num_datos)

# Por el método de la transformada inversa:
simulados1 = qlnorm(datos_unif1, mu1, s1)
simulados1
simulados2 = qlnorm(datos_unif2, mu2, s2)
simulados2
simulados = 0.9*simulados1 + 0.1*simulados2

# Graficamos histograma:
png('MixLogNormal1.png') # Para iniciar el guardado de imagen
hist(simulados,freq=F,main="Histograma de datos simulados \n& densidad ajustada \n LogNormal",
     xlab="Datos",ylab="Frecuencia de datos",
     border="white", col="steelblue", breaks=breaks) 
lines(density(simulados, adjust=1.0), col="red", lwd=2)
dev.off() # Fin de guardado de imagen

# Guardamos como csv:
write.csv(simulados, file = "simul_MixLNORM1.csv")


#====== IV. Mix-Lognormal 2:

# Parámetros:
mu1 = 11.04465
s1  = 1.180168
mu2 = 100.0
s2  = 0.6

# Simulamos una muestra uniforme de N datos:
datos_unif1 = runif(num_datos)
datos_unif2 = runif(num_datos)

# Por el método de la transformada inversa:
simulados1 = qlnorm(datos_unif1, mu1, s1)
simulados1
simulados2 = qlnorm(datos_unif2, mu2, s2)
simulados2
simulados = 0.9*simulados1 + 0.1*simulados2
length(simulados)

# Graficamos histograma:
png('MixLogNormal2.png') # Para iniciar el guardado de imagen
hist(simulados,freq=F,main="Histograma de datos simulados \n& densidad ajustada \n LogNormal",
     xlab="Datos",ylab="Frecuencia de datos",
     border="white", col="steelblue", breaks=breaks) 
lines(density(simulados, adjust=1.0), col="red", lwd=2)
dev.off() # Fin de guardado de imagen

# Guardamos como csv:
write.csv(simulados, file = "simul_MixLNORM2.csv")