3.12 R e Python como tabelas

3.12.1 R

(Venables et al. 2024, 33) apontam que um uso conveniente de R é fornecer um conjunto abrangente de tabelas estatísticas. Funções são fornecidas para realizar os seguintes procedimentos para uma distribuição [dist]:

  • stats::d[dist](x) - Função densidade (ou massa) de probabilidade \(f(x)\) (ou \(p(x)\)).
  • stats::p[dist](q) - Função distribuição acumulada (FDA) \(F(x) = P(X \le x)\).
  • stats::q[dist](p) - Função quantil (dado \(q\), o menor \(x\) tal que \(P(X \le x) > q\)).
  • stats::r[dist](n) - Valores simulados das distribuições.
Distribuições de probabilidade nativas

Figura 3.2: Distribuições de probabilidade nativas

3.12.2 Python

Assim como no R, o Python oferece um conjunto abrangente de funções para lidar com tabelas estatísticas e distribuições de probabilidade, especialmente através da biblioteca SciPy (Virtanen et al. 2020). Com ela é possível realizar os seguintes procedimentos para uma distribuição [dist]:

  • scipy.stats.[dist].pdf(x) - Função densidade (ou massa) de probabilidade \(f(x)\) (ou \(p(x)\)).
  • scipy.stats.[dist].cdf(x) - Função distribuição acumulada (FDA) \(F(x) = P(X \le x)\).
  • scipy.stats.[dist].ppf(q) - Função quantil (dado \(q\), o menor \(x\) tal que \(P(X \le x) > q\)).
  • scipy.stats.[dist].rvs(size) - Valores simulados das distribuições.

References

Venables, William N, David M Smith, R Development Core Team, et al. 2024. “An introduction to R.” CRAN. https://cran.r-project.org/doc/manuals/r-release/R-intro.pdf.
Virtanen, Pauli, Ralf Gommers, Travis E. Oliphant, Matt Haberland, Tyler Reddy, David Cournapeau, Evgeni Burovski, et al. 2020. “SciPy 1.0: Fundamental Algorithms for Scientific Computing in Python.” Nature Methods 17: 261–72. https://doi.org/10.1038/s41592-019-0686-2.