Documentos de Académico
Documentos de Profesional
Documentos de Cultura
5 Colombia de
creativecommons. Para ver una copia de esta licencia, visite
http://creativecommons.org/licenses/by/2.5/co/ o envi una carta a
creative commons, 171second street, suite 30 San Francisco, California
94105, USA
ANALISIS ESTADISTICO EN
MATLAB
Autores:
CRISTIAN GERARDO GIL SANCHEZ
MILLER GIOVANNY FRANCO LEMUS
Director Unidad Informtica:
Tutor Investigacin:
Coordinadores:
Analista de Infraestructura
y Comunicaciones:
Adelaida Amaya
Analista de Sistemas de
Informacin:
Lder de Gestin de
Recurso Humano:
ANALISIS ESTADISTICO EN
MATLAB
Director Unidad Informtica:
Auxiliares de Investigacin:
Adriana Lucia Castelblanco
Alexis de Jess Moros
Andrs Ricardo Romero
Brayan Ricardo Rojas
Carlos Hernn Porras
Catherine Cruz Pinzn
Cristian Gerardo Gil
Daniel Alejandro Melo
Diana Patricia Garca
Diego Fernando Rubio
Edwin Montao
German David Riveros
Guillermo Alberto Ariza
Hctor Javier Corts
Leydy Johana Poveda
TABLA DE CONTENIDO
TABLA DE CONTENIDO ................................................................................................................ 3
1.
RESUMEN ................................................................................................................................ 5
2.
ABSTRACT .............................................................................................................................. 5
3.
INTRODUCCIN.................................................................................................................. 7
Objetivo ............................................................................................................................................... 7
Justificacin .......................................................................................................................................... 7
4.
6.
5.1.1.
5.1.2.
5.1.3.
Introduccin ..................................................................................................................................... 38
Principales Funciones Utilizadas En Matlab Para Grficas ...................................................... 38
7.
PROBABILIDAD ................................................................................................................ 63
7.1.2.
Distribucin Poisson.................................................................................... 68
7.1.3.
7.1.6.
7.1.7.
Distribucin Chi-Cuadrado
7.1.8.
...................................................... 111
2
especializados
que
facilitan
el
trabajo
aumentan
la
2. ABSTRACT
Objetivo
Este trabajo se desarrolla con el objeto de continuar la investigacin que
se viene realizando en la UIFCE con miras a ampliar el campo de
aplicacin del programa MATLAB a las ciencias econmicas, en este caso
con un nfasis estadstico, disponible en un paquete especfico Statistics
Toolbox-
Teniendo
en
cuenta
lo
mencionado
con
Justificacin
Durante el desarrollo de las carreras de la facultad de ciencias
econmicas
se
destaca
la
gran
importancia
del
manejo
el
importancia
establecer
MATLAB
un
uso
adecuado
de
un
software,
como
para
desarrollar
desde
las
ms
bsicas
aplicaciones
Estructura de funciones
MATLAB acompaa cada paquete de funciones con una completa gua de
ayuda disponible en diferentes temas especficos, que se muestran a
continuacin. Las funciones que MATLAB incluye en este paquete las
agrupa dentro de las siguientes reas:
Estadstica descriptiva
30
Estadstica multivariada
25
Regresin no Lineal
10
Grficos estadsticos
26
Diseo de Experimentos
12
Distribuciones de probabilidad
Pruebas de distribucin
Pruebas No Paramtricas
Modelos Lineales
27
Importar/exportar archivos
Demostraciones
Pruebas de hiptesis
Utilidades
observar
el
comportamiento
de
16
diferentes
tipos
de
INVESTIGACIN
Se ha planeado la investigacin de tal manera que su resultado pueda
acompaar un proceso acadmico, en el cual se establezca una
interrelacin entre la estadstica y las ciencias econmicas, es de esta
manera como sin olvidar la gran funcionalidad de este paquete de
herramientas, la investigacin se va a enfocar en tres ejes temticos,
que se consideran de primera importancia para iniciar un estudio tan
extenso.
Estadstica Descriptiva
5.1.1.
Medidas de localizacin
Mean ()
Descripcin
Sintaxis
mean (a)
-
columna.
mean (a, dim)
-
Ejemplo
a = [1:10]
Media = mean (a)
Media = 5.5000
b = [1 2 3; 7 5 6; 4 5 6; 8 9 1]
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
11
[5.0000
4.0000]
nanmean()
Descripcin
Geomean ()
Descripcin
Sintaxis
geomean (a)
-
columna.
Ejemplo
a = [1:10]
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
12
Nota
Harmmean ()
Descripcin
Sintaxis
harmmean (a)
- Su parmetro funciona de la misma manera que para
la media geomtrica (mean).
Ejemplo
a = [1:10]
m_armonica = harmmean (a)
m_armonica = 3.4142
Trimmean ()
Calcula la media ajustada de una muestra determinada,
es decir excluye los y/2 percentiles mas bajos como los
mas altos, muy til cuando encontramos datos atpicos en
la muestra.
Descripcin
Sintaxis
trimmean (a, y)
-
Ejemplo
a = [1:10]
%a = [1 2 3 4 5 6 7 8 9 10]
y = 20
m_ajustada = trimmean (a, y)
%Por el parmetro y la muestra que se calcula
es a = [2 3 4 5 6 7 8 9]
m_ajustada = 5.5000
%En este caso la media ajustada es igual a la media aritmtica
por las caractersticas de la muestra.
b = [1 2 3 7 5 6 4 5 6 8 9 1]
z = 10
m_ajustada = trimmean (b, z)
m_ajustada = 5.5000
Descripcin
Sintaxis
max(a); min(a)
-
max(a,[],dim); min(a[],2)
-
Ejemplo
b = [1 2 3; 7 5 6; 4 5 6; 8 9 1]
%Devuelve los valores extremos por cada columna.
mx = max(b)
mx = [8
mi = min(b)
6]
mi = [1
1]
mif = min(b,[],2)
mxf = [
mif = [
3
7
9
Nota
nanmax() ; nanmin ()
Descripcin
Median ()
Descripcin
Sintaxis
median (a)
-
columna.
Ejemplo
a = [1:10]
Mediana = median (a)
Mediana = 5.5000
b = [1 2 3; 7 5 6; 4 5 6; 8 9 1]
5.5000
4.5000]
Nota
nanmedian()
5.1.2.
Descripcin
Medidas de dispersin
Std ()
Descripcin
Sintaxis
std (a)
-
Ejemplo
a = [1:10]
Des_std = std (a) % desviacin estndar corregida
Des_std = 3.0277
% segundo momento
b = [1 2 3; 7 5 6; 4 5 6; 8 9 1]
3.1623
2.8723
2.4495]
filas
nanstd()
perdidos.
Calcula
Descripcin
Var ()
Descripcin
Sintaxis
var (a)
-
var (a,1)
-
Ejemplo
a = [1:10]
Varz = var (a) % desviacin estndar corregida
Varz = 9.1667
var(x)
b = [1 2 3; 7 5 6; 4 5 6; 8 9 1]
8.2500
6.0000 ]
6.1875
Varianza corregida:
Nota
nanvar()
Descripcin
4.5000 ]
[ std(x) ] 2= var(x)
[ std(x,1) ] 2 = var(x,1)
Range ()
Descripcin
Sintaxis
range (a)
-
a = [1:10]
rango = range (a)
rango = 9
b = [1 2 3; 7 5 6; 4 5 6; 8 9 1]
ran = range (b)
ran = [ 7
5]
Iqr ()
Calcula el rango intercuartil de una muestra especifica, es
decir, la diferencia entre el percentil 75 y el 25.
Descripcin
Sintaxis
iqr (a)
-
Ejemplo
a = [1:10]
R_ intercuartil = iqr (a)
R_ intercuartil = 5
b = [1 2 3; 7 5 6; 4 5 6; 8 9 1]
R_ intercuartil = iqr (a)
R_ intercuartil = [ 5.0000
3.5000
4.0000 ]
Prctile ()
Descripcin
Sintaxis
prctile (a, p)
-
Prctile (a , p)
Vector
Escalar
Matriz
Escalar
Vector
Vector
Matriz
Vector
Nota
Ejemplo
Percentil 50 = Mediana
a = [1:10]
b = [25 50 75]
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
22
5.5000
8.0000 ]
c = [1 2 3; 7 5 6; 4 5 6; 8 9 1]
d = [25 50 75]
percent = prctile (c,d)
percent = [ 2.5000
5.5000
7.5000
3.5000
5.0000
7.0000
2.0000
4.5000
6.0000 ]
Quantile ()
Descripcin
Sintaxis
Nota
Ejemplo
a = [1:10]
Q5 = quantile(a, .5) %Igual a la mediana
Q5 = 5.5000
Resume = quantile(a,[.025 .25 .50 .75 .975]
2]
6]
6
5
4
Skewness ()
Descripcin
Sintaxis
skewness (a)
-
Ejemplo
X = randn([5 4])
%genera una matriz aleatoria con distribucin normal
X = [ 0.2944
0.8580
-0.3999
0.6686
-1.3362
1.2540
0.6900
1.1908
0.7143
-1.5937
0.8156
-1.2025
1.6236
-1.4410
0.7119
-0.0198
-0.6918
0.5711
1.2902
-0.1567 ]
La oblicuidad (obl.) es una medida de asimetra de las muestras con distribucin normal, se mide a
partir de la media.
Si obl. < 0, entonces la mayora de los datos se encuentran a la izquierda de la media;
. Si obl.> 0, entonces la mayora de los datos se encuentran a la derecha de la media; y
Si obl. = 0, entonces la muestra corresponde a una distribucin normal con perfecta simetra.
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
25
kurtosis ()
Descripcin
Sintaxis
kurtosis (a)
-
Ejemplo
k=kurtosis (a)
k= [1.6400
1.6400
1.6400]
tabulate ()
Descripcin
tabulate (a)
-
Ejemplo
a = [4 1 4 4 2 3 4 3 1 2]
tabla = tabulate (a)
tabla =
Value
Count
Percent
20.00%
20.00%
20.00%
40.00%
mad ()
Descripcin
Sintaxis
mad (a,flag,dim)
Si flag = 0 :
-
Si flag = 1:
-
Ejemplo
a = [1:10]
DesvAbs = mad(a)
DesvAbs = 2.5000
b = [1 2 3; 7 5 6; 4 5 6; 8 9 1]
dac = mad(b)
dac =[ 2.5000
1.8750
2.0000 ]
*]
Nota
Para una distribucin normal 'mad ()' es menos eficiente que la desviacin estndar 'std()' como medida de dispersin.
moment ()
Descripcin
Sintaxis
Ejemplo
a = [1:10]
DesvAbs = mad(a)
DesvAbs = 2.5000
b = [1 2 3; 7 5 6; 4 5 6; 8 9 1]
dac = mad(b)
dac =[ 2.5000
1.8750
2.0000 ]
5.1.3.
*]
Grupos de datos
cov()
Descripcin
Sintaxis
cov (a)
-
Proceso
[n,p] = size(X);
X = X - ones(n,1) * mean(X);
Y = X'*X/(n-1);
Ejemplo
a = [1:10]
Covarianza = cov(a)
Covarianza = 9.1667
b = [1 2 3; 7 5 6; 4 5 6]
Covarianza = cov (b)
Covarianza =[ 9.0000
4.5000
4.5000
4.5000
3.0000
3.0000
4.5000
3.0000
3.0000 ]
corr()
Descripcin
RHO = corr(a)
-
RHO = corr(a,b)
-
de
deben
ser
Parmetros
Valores
Descripcin
'type'
'Pearson'
(por defecto)
'rows'
'Kendall'
'Spearman'
'all'
(por defecto)
'complete'
'pairwise'
'ne'
Correlacin no es cero
(por defecto)
'gt'
'lt'
Ejemplo
a = [1 2 3; 7 5 6; 4 5 6; 8 9 1]
Rho = corr(a)
Rho =[
1.0000
0.8808
-0.1291
0.8808
1.0000
-0.4264
-0.1291
-0.4264
1.0000 ]
b=[1 2 3; 4 5 6; 7 8 9; 10 11 12]
RHO = corr(a)
RHO = [ 1 1 1
111
111]
corrcoef()
Descripcin
Sintaxis
R = corrcoef (a)
-
[R,P,RLO,RUP]=corrcoef(...)
- Adems devuelve RLO y RUP que son los lmites de
determinado intervalo a 95% de confianza.
[...]=corrcoef(...,'param1',val1,'param2',val2,...)
-Parmetros adicionales
Parmetros Descripcin
'alpha'
'rows'
crosstab()
Sintaxis
Ejemplo
a=[1
10 ]
3.5 2.5 3
2]
2.5
3.5
10
Alumno
grpstats ()
Descripcin
Sintaxis
'mean'
Promedio
'sem'
Error estndar
'numel'
'gname'
'std'
Desviacin Estndar
'var'
Varianza
'meanci'
'predci'
bootstr ()
Descripcin
Permite
efectuar
caractersticas.
el
Bootstrap
con
determinadas
Nota
El Bootstrap es una metodologa estadstica que a tenido gran aplicacin en los ltimos aos, y
consiste en obtener nuevas muestras con caractersticas similares a una primera muestra real (raz),
y partir de los estadsticos de todas las muestras generadas establecer conclusiones mas precisas.
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
36
Sintaxis
Ejemplo
B2 = bootstr(3,mean,a)
B2 = [
2.6000
2.2000
3.8000
Introduccin
El Toolbox estadstico de MATLAB, proporciona grandes facilidades en lo
relacionado con grficas, situacin que permite automatizar y agilizar el
manejo y procesamiento de las mismas. Para ello dispone de una serie
de funciones que permiten modificar dentro de la figura los parmetros
que afectan el resultado de la misma. En el presente informe se
pretende dar a conocer algunas de estas ventajas con una ayuda que
permita una fcil utilizacin las funciones predefinidas para el programa.
RANDTOOL
Esta funcin permite generar de forma interactiva nmeros al azar
mostrando los resultados grficos por medio de un histograma. Instala
un interfaz grfico que permite indagar los efectos al realizar cambios
en los parmetros que afectan la funcin que se desee graficar.
Algunas caractersticas de la interfaz (VER FIGURA 1)
Barra de mens
TAMAO DE LA
MUESTRA
FUNCIONES
DISTRIBUCION
DE
Limite superior e
inferior de los
datos
generados.
Valor
parmetro
del
Exportar datos al
workspace
FIGURA 1
DISTTOOL
Esta funcin permite generar de forma interactiva
diagramas de
diferentes distribuciones de probabilidad. La interfaz generada por esta
funcin permite escoger entre dos tipos de diagramas, el de cdf
(genera una funcin distribucin acumulativa elegida) o el de pdf
(Funcin de densidad de probabilidad para una distribucin especificada)
y al igual que la funcin presentada con anterioridad permite realizar
modificaciones a los parmetros relacionados con las caractersticas de
la misma interfaz generada.
TIPO
DE
FUNCION
FUNCIONES
DISTRIBUCION
DE
FUNCION
CDF O PDF
VALOR
DE
LA FUNCION
VALOR DE X
Limite superior
e inferior de los
datos
generados.
FIGURA 2
TIPO
Lsline
Descripcin
lsline
x = lsline
Ejemplo
Lnea de tendencia
0.5
0
-0.5
-1
-1.5
-2
-2.5
10
12
14
16
18
20
FIGURA 3
Cdfplot
Descripcin
cdfplot (X)
h = cdfplot(X)
[h, stats] = cdfplot(X)
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
43
stats
values
min:
-1.7613
max:
2.7922
mean:
-0.1579
median:
-0.3096
std:
0.9138
F(x)
0.6
0.5
0.4
0.3
0.2
0.1
0
-2
-1.5
-1
-0.5
0.5
1.5
2.5
FIGURA 4
Boxplot
Descripcin
Sintaxis
Parameter
Name
Parameter Values
'notch'
'symbol'
'orientation'
'whisker'
'labels'
Ejemplo
Values
18
16
14
12
10
8
70
76
82
Values
6
5
4
3
2
1
0
1
2
Column Number
Las " barbas" son lneas que extienden sobre y debajo de la caja.
Demuestran el grado del resto de la muestra (a menos que hay
afloramientos). No si se asume que ningn afloramiento, el
mximo de la muestra es la tapa de la barba superior. El mnimo
de la muestra es el fondo de la barba ms baja. Por defecto, los
datos que se encuentran por fuera de los bigotes son ms de 1,5
veces la gama interquartile que se encuentran fuera de los lmites
de la caja.
Qqplot
Descripcin
Sintaxis
1.
Y Quantiles
14
12
10
8
6
4
2
0
10
12
14
16
18
X Quantiles
20
22
24
26
Y Quantiles
0.5
0.4
0.3
0.2
0.1
0
-0.1
-0.2
7.5
8.5
9.5
10
X Quantiles
10.5
11
11.5
12
Gname
Descripcin
Sintaxis
Ejemplo
x 10
3
Los Angeles, Long Beach, CA
2
Philadelphia, PA-NJ
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
Para ver la procedencia de cualquier punto del grafico basta con dar clic
sobre alguno de ellos.
Refline
Descripcin
Sintaxis
refline(slope, intercept)
- agrega una lnea de referencia con la
pendiente y a intercepcin teniendo en
cuenta las condiciones actuales
refline(slope)
- agrega la lnea de referencia al grfico, y
utilizando nicamente la pendiente.
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
52
Ejemplo
Y = [1.2 5.2 1.9 4.5 4.0 3.2 3.9 1.9 2.6 2.4 2.8]';
plot (y,'+')
refline(1,3)
refline(0.5,3)
refline(2,3)
refline(0,2)
REFLINE
14
12
10
2
1
10
11
Gscatter
Diagrama de la dispersin del grupo
Sintaxis
Ejemplo
CONDICION ECONOMICA
9000
8000
7000
6000
5000
4000
3000
1000
2000
3000
4000
SALUD
5000
6000
7000
8000
Hist
Descripcin
Grafico de histograma
Sintaxis
- hist(y)
Grafica un histograma con diez barras para los valores
contenidos en el vector y. las barras estn igualmente
espaciados entre el valor mnimo y mximo que toma la
variable.
- hist(y, nb)
Las letras nb representan el nmero de barras que
queremos sean colocados en el grfico final.
- hist(y, x)
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
55
%la
funcin
normrnd
Hist (y)
HISTOGRAMA
150
100
50
0
-1.5
-1
-0.5
0.5
1.5
-4
-3
-2
-1
Errorbar
Descripcin
Sintaxis
- errorbar(X,Y,L,U,symbol)
Grafica X versus Y con un largo especifico de las barras de
errores determinado por L(i)+U(i) que representan los
puntos superiores e inferiores del grfico. X, Y, L, y U deben
ser de la misma longitud. Si X, Y, L, y U son matrices, cada
columna produce una lnea por separado. Las barras de
error estn graficadas a distancia de U(i) en la parte
superior y L(i) en la parte inferior de los puntos en (X,Y). El
smbolo (symbol) es una forma de controlar el tipo de lnea,
el smbolo del grfico y el color de las barras de error.
- errorbar(X,Y,L)
Grafica X versus Y con barras de errores simtricas en
relacin a Y
- errorbar(Y,L)
Grafica Y con barras de error [Y-L Y+L].
Nota
15
10
-5
10
Ecdfhist
Propsito
- n = ecdfhist (f, x)
Toma un vector f, de valores una
distribucin acumulativa (cdf) y un
evaluacin de los puntos de la
devuelve un vector n que contiene
altos del histograma para 10 barras
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
58
funcin de
vector de
funcin, y
los puntos
igualmente
10
15
20
25
GPLOTMATRIX
Descripcin
Sintaxis
-gplotmatrix(x,y,g)
Esta funcin crea una matriz de grficos de dispersin.
Cada conjunto de ejes en la figura del resultado
contiene un diagrama de dispersin de una columna de
x contra una de y. Todos los grficos estn agrupados
por la variable g.
X y Y son matrices con el mismo nmero de filas. Si x
tiene p columnas y q filas la figura contiene una matriz
p * q de diagramas de dispersin. G es una variable
para agrupar que puede ser vector, una matriz o un
conjunto de celdas variables. G debe tener la misma
cantidad de filas que X y Y.
- gplotmatrix(x,y,g,'clr','sym',siz)
Permite especificar el color, el tipo del marcador, y el
tamao para cada grupo. ' clr ' es un
conjunto de
colores reconocidos por la funcin plot.sym ' son una
serie de smbolos reconocidos por el comando plot, con
el smbolo por defecto de '.'. siz es un vector de
tamaos, con el defecto determinado por '
defaultlinemarkersize ' caracterstico. Si no se
especifican las caractersticas deseadas, gscatter
establece los valores necesarios para el entendimiento
de la grfica.
- gplotmatrix(x,y,g,'clr','sym',siz,'doleg')
Permite controlar si una leyenda est exhibida en el
grfico (' doleg '=' on 'el defecto) o no (' doleg '=' off ')
-gplotmatrix(x,y,g,'clr' 'sym',siz,'doleg','dispopt')
Controla que aparezca alo largo de la diagonal del
grfico de la matriz de x versus x permitiendo a los
valores nulos salir en la diagonal en blanco, 'hist'(por
defecto) en la grfica de histogramas, o 'variable' para
graficar los nombres de las variables.
- gplotmatrix(x,y,g,'clr','sym',siz,...
'doleg','dispopt','xnam','ynam')
Especifica los nombres en las columnas en X y Y. Estos
nombres son usados para etiquetar los ejes. 'xnam' y
'ynam ' deben ser celdas contenidas por caracteres,
con una fila para cada columna de X y Y,
respectivamente.
Ejemplo
load discrim
gplotmatrix(ratings(:, 2:5), ratings(:, 6:), group) %
en este caso lo que hacemos es seleccionar los datos
que deseemos sean graficados de acuerdo a la
informacin contenida en la matriz ratings.
transportation
8000
education
gplotmatrix(ratings(:,2:4),ratings(:,5:8),group,
'rk','.*'
,
[]
,
'on'
,
'',categories(2:4,:)
,categories(5:8,:))
%para
mayor
entendimiento
Colocamos en el grfico marcadores, colores y lo
necesario para dar mas comprensibilidad
3500
3000
2500
2000 x 104
1
2
6000
arts
4000
2000
4
2
recreation
0
4000
2000
0.5
1.5
housing
0
4
x 10
7. PROBABILIDAD
Distribucin Binomial
n x 1 x
y f x n, p p q , x 0,1, ,...n
x
Donde: x = [0 n] ,
p = [0 1] , q = 1- p
n!
n
x x!n x !
Binofit ()
Descripcin
Sintaxis
p = binofit (a, n)
-
Ejemplo
p = binofit (2,5)
%Probabilidad de 2/5
p = 0.4000
a = [2 4 6 8]
%Probabilidad de a/8
p1 = binofit (a, 8)
p1 = [0.2500
0.5000
a = [2 4 6 8]
0.7500
1.0000]
%Probabilidad de a/n
n = [4 8 12 16]
p1 = binofit (a, n)
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
64
0.5000
0.5000
0.5000]
Binocdf ()
Descripcin
n
y F x n, p p i q 1i , i 0,1, ,...n
i 0 x
x
Sintaxis
p = binocdf (x, n, p)
-
Ejemplo
Binopdf ()
Descripcin
n
y f x n, p p x q 1 x , x 0,1, ,...n
x
Sintaxis
p = binopdf (x, n, p)
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
65
Ejemplo
Binoinv ()
Descripcin
Sintaxis
x = binoinv (y, n, p)
-
Ejemplo
%Probabilidad exito
51
69 ]
Binornd ()
Descripcin
Sintaxis
x = binornd (n, p)
-
Ejemplo
n = [10 20 30]
x = binornd (n ,0.6)
x = [ 8 8 17 ]
x = [ 6 11 16
Binostat ()
Descripcin
Sintaxis
[m , v] = binostat (n, p)
-
Ejemplo
[m , v] = binostat (4 , 0.6)
m = 2.4000
v = 0.9600
%Media
%Varianza
Nota
7.1.2.
- La media es:
med = np
- La varianza es:
Distribucin Poisson
y f x
x
x!
e , x 0,1,...
poissfit ()
Descripcin
1
xi
n i1
Sintaxis
Ejemplo
c = magic(3)
c=[8
2 ]
[d , intervalo ] = poissfit(c)
%Parmetro e intervalo al 90%
d=[5
5]
2.7985
2.7985
8.2467
8.2467 ]
a = [1:10 ; 2:2:20]
a = [1
2
2
6
3
8
4
10
12 14
7
16
18
10
20 ]
b = poissfit (a)
b = [1.5 3.0 4.5 6.0 7.5 9.0 10.5 12.0 13.5 15.0]
Poisscdf ()
Descripcin
p F x e
Sintaxis
floor( x )
i 0
i!
Ejemplo
Poisspdf ()
Descripcin
y f x
Sintaxis
x
x!
e , x 0,1,...
Ejemplo
Poissinv ()
Descripcin
Sintaxis
Ejemplo
Poissrnd ()
Descripcin
Sintaxis
x = poissrnd (lambda, n, p)
-
Ejemplo
x = poissrnd (5 , 6 ,1)
x = [2
7
8
3
5
4]
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
73
Poisstat ()
Descripcin
Sintaxis
[m , v] = poisstat (lambda)
-
Ejemplo
[m , v] = binostat (8)
m = 8.0000
v = 8.0000
%Media
%Varianza
Nota
7.1.3.
La
- La media es:
med =
- La varianza es:
var =
Distribucin Hipergeometrica
distribucin
hipergeomtrica
es
adecuada
para
determinar
K M K
x n x
y f x M , K , n
M
n
hygecdf ()
Descripcin
y f x M , K , n
x
i 0
Sintaxis
K M K
i n i
M
n
h = hygecdf (x,M,n,K)
-
Ejemplo
muestra
aleatoria
de
10
p = hygecdf(3,100,20,10)
p = 0.8904
Hygepdf ()
Descripcin
K M K
x n x
y f x M , K , n
M
n
Sintaxis
p = hygepdf (x,M,n,K)
-
Ejemplo
p2 = hygepdf(0:3,100,20,10)
p2 = [
0.0951
0.2679
0.3182
0.2092 ]
0.8904
Hygeinv ()
Descripcin
Sintaxis
X = hygeinv (P,M,K,N)
de
probabilidad
Ejemplo
y = hygeinv(0.9,100,20,10)
y=4
p = hygecdf(3,100,20,10)
p = 0.8904
x = hygeinv(p,100,20,10) = hygeinv(0.8904,100,20,10)
x=3
Hygernd ()
Descripcin
Sintaxis
x = hygernd (M,K,N,v)
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
78
Ejemplo
x = hygernd(1000,40,50)
x=2
x = hygernd(1000,40,50,2,3)
X=[3
2
3]
hygestat ()
Descripcin
Sintaxis
[m , v] = hygestat (M,K,N)
-
Ejemplo
[m , v] = hygestat (8)
[m,v] = hygestat(10,1,9)
m = [ 0.9000 ]
%Media
v = [ 0.0900 ]
%Varianza
[m,v] = hygestat(10,3,9)
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
79
%Media
v = [ 0.2100 ]
%Varianza
Nota
med =
NK
M
K M K M N
var = N
M M M 1
- La varianza es:
7.1.4.
Distribucin Normal
X ~ N , 2
y f x ,
1
e
2
x 2
2 2
( 0) y la desviacin estndar. ( 1)
normcdf ()
Descripcin
1
y f x ,
2
Sintaxis
2 2
dt
p = normcdf (x,mu,sigma)
-
Ejemplo
1.
mu = 0; sigma=1;
X = normcdf(0, mu, sigma)
X = 0.5000
Y = normcdf(-1, mu, sigma)
Y = 0.1587
Z = normcdf(1, mu, sigma)
Z = 0.8413
mu = 0; sigma=1;z=(-3:0.1:3);
X = normcdf(z, mu, sigma);
Tabla = [z ; X]
Normpdf ()
Descripcin
y f x ,
Sintaxis
1
e
2
x 2
2 2
p = normpdf (x,mu,sigma)
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
82
Ejemplo
a = [-3:0.01:3];
p = normpdf(a,0,1);
plot(a ,p)
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
-3
-2
-1
norminv ()
Descripcin
la
Ejemplo
x = norminv([0.025 0.975],0,1)
x=[
% Mas Compacto y
simtrico.
-1.9600
1.9600 ]
xx = norminv([0.01 0.96],0,1)
xx = [
-2.3263
1.7507 ]
X1 = norminv([0.05 0.95],0,1)
X1 = [ -1.6449
1.6449 ]
X2 = norminv([0.005 0.995],0,1)
X2 = [ -2.5758
2.5758 ]
Normrnd ()
Descripcin
Sintaxis
Ejemplo
x = normrnd(0,1,3)
% Con una distribucin normal estndar
x = [ 0.1326
-1.5804
-1.0246
-0.0787
1.0184
-0.6817
-1.2344
0.2888 ]
x = normrnd(0,1,2,5)
% Con una distribucin normal estndar
x = [ 1.0378
-0.3898
-1.3813
0.3155
1.5532
0.7079
1.9574
0.5045
1.8645
-0.3398 ]
x = normrnd(5,0.5,1,5)
% Con una distribucin normal de media igual a 5 y
desviacin estndar igual a 0.5
x = [ 4.7535
5.2310
4.8395
5.6183
4.6844 ]
Normstat ()
Descripcin
Sintaxis
Ejemplo
m=[0]
v=[1]
n = 1:3
m= [ 1 2 ; 3 4]
n = [1 2 3]
m=[1
4 ]
[m,v] = normstat(n , n)
m= [1
v= [1
2
4
3 ]
[m,v] = normstat(m, m)
9 ]
m=[1
v=[1
9
4]
4
16 ]
Nota
- La media es:
med =
- La varianza es:
var = 2
Normfit ()
Descripcin
Ejemplo
15.9710
14.9900
14.4476
[mu,sigma,muint,sigmaint] = normfit(muestra)
mu =
15.0866
sigma =
2.3462
muint =
13.4083
16.7650
sigmaint = 1.6138
4.2832
Normplot()
Descripcin
Sintaxis
normplot (muestra)
-
Ejemplo
muestra = normrnd(0,1,10,2)
muestra =
0.8115
-0.6547
0.6363
-1.0807
1.3101
-0.0477
0.3271
0.3793
-0.6730
-0.3304
-0.1493
-0.4999
-2.4490
-0.0360
0.4733
-0.1748
0.1169
-0.9573
-0.5911
1.2925
normplot(muestra)
0.95
0.90
Probability
0.75
0.50
0.25
0.10
0.05
-2.5
-2
-1.5
-1
-0.5
Data
0.5
x = normrnd(0,1,50,1);
Normal Probability Plot
0.99
0.98
0.95
0.90
Probability
0.75
0.50
0.25
0.10
0.05
0.02
0.01
-2
-1.5
-1
-0.5
0.5
1.5
Data
normspec()
Descripcin
Sintaxis
Ejemplo
0.35
0.3
Density
0.25
0.2
0.15
0.1
0.05
0
-4
-3
-2
-1
0
Critical Value
a. despus de - 0.3
b = normspec([-0.3 Inf],0,1)
b= 0.6179
0.35
0.3
Density
0.25
0.2
0.15
0.1
0.05
0
-4
-3
-2
-1
0
Critical Value
Density
0.25
0.2
0.15
0.1
0.05
0
-4
-3
-2
-1
0
Critical Value
P = normspec([10 Inf],11.5,1.25)
P = 0.89849
0.3
0.25
Density
0.2
0.15
0.1
0.05
10
11
12
Critical Value
13
14
15
16
7.1.5.
Distribucin Exponencial
1
1
y f x a, b a
x a 1e b e b
b ( a )
b
Donde
es la funcin Gamma.
y f x
Expcdf ()
Descripcin
y F x
0
e dt 1 e
eventos
Sintaxis
p = expcdf (x,mu)
-
Ejemplo
p = expcdf(10,5)
p = 0.8647
b. sea Mayor de 10 segundos?
P(X>10) = 1 - P(X10)
p = 1 expcdf(10,5)
p = 0.1353
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
96
Exppdf ()
Descripcin
y f x
Sintaxis
p = exppdf (x,mu)
-
Ejemplo
10
15
20
25
30
Expinv ()
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
98
Descripcin
Sintaxis
X = expinv(P, mu)
- Devuelve el valor de la funcin Exponencial inversa
mas aproximado para estos parmetros.
- Como P es una probabilidad debe estar dentro del
intervalo [0 1]. mu debe ser positivo.
Ejemplo
11.5129
b. P = 0.8
X = expinv(0.8, 5) =
8.0472
c. P = 0.5
X = expinv(0.5, 5) =
3.4657
d. P = 0.8647
%Como en el ejemplo anterior vimos que esta era la
probabilidad para a lo sumo recibir 10 llamadas.
X = expinv(0.8647, 5) =
10.0013
exprnd ()
Descripcin
Sintaxis
x = exprnd (mu, f, c)
-
x = normrnd (mu, v)
-
Ejemplo
1.2136
0.5832
0.2035
0.7588
[0.3373
8.5476
0.6205
4.7871
13.8574
4.8475
Expstat ()
Descripcin
Sintaxis
[m , v] = expstat (mu)
Ejemplo
[m , v] = expstat ([1:5])
m=[1 2 3
v=[1 4 9
5 ]
16 25 ]
Nota
- La media es:
med =
- La varianza es:
var = 2
expfit ()
Descripcin
Sintaxis
Ejemplo
[mu,muint] = expfit(muestra)
mu = 2.4492
muint =
1.4335
5.1074
7.1.6.
Distribucin Gamma
1
y f x a, b a
x a 1e b
b ( a )
es la funcin Gamma.
gamcdf ()
Descripcin
p f x a, b
Sintaxis
t
b
1
a 1
t
e dt
a
b ( a ) 0
p = gamcdf (x,a,b)
-
Ejemplo
es la exponencial.
a. menos de 30 minutos?
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
104
gampdf ()
Descripcin
1
y f x a, b a
x a 1e b
b ( a )
Sintaxis
p = gampdf (x,a,b)
-
Ejemplo
X =[0:0.1:100];
P = gampdf(X,5,7);
plot(X,P)
0.03
0.025
0.02
0.015
0.01
0.005
10
20
30
40
50
60
70
80
90
100
gaminv ()
Descripcin
Sintaxis
la
Ejemplo
gamrnd ()
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
107
Descripcin
Sintaxis
x = gamrnd (a, b , f, c)
-
Ejemplo
x = gamrnd(5,7,3)
% Genera una matriz de 3x3 con a=5 y b=7.
x = [26.5524
37.2128
54.1503
13.3987
18.2161
32.1009
34.5988
54.1874
37.8700]
x = gamrnd(3,2,2,4)
% Genera una matriz de 2x4 con a=3 y b=2.
x = [ 5.0270
3.0506
6.3538
2.0514
8.0230
12.5873
3.3780
8.6550]
Gamstat ()
Descripcin
[m , v] = gamstat (a,b)
Sintaxis
Ejemplo
[m , v] = gamstat (3, 2)
m=[6]
v = [ 12 ]
10
16
18 ]
v = [ 12
20
32
36 ]
Nota
med = ab
var = ab2
Gamfit ()
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
109
Descripcin
Sintaxis
Ejemplo
muestra = gamrnd(3,5,10,1)
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
110
6.4338
28.5470
7.7809
18.1332
15.2054
7.1337
2.3030
12.8559
6.6668
19.0060
4.9010 ]
1.9676
12.2078 ]
7.1.7.
Distribucin Chi-Cuadrado
1
1
y f x a, b a
x a 1e b a
x a 1e 2
b ( a )
2 ( a )
Donde
v 2
x 2 e x2
y f x v v
2 2 ( v 2 )
chi2cdf ()
Descripcin
v2
t 2 e t 2
y F x v v
dt
2
v
0 2 ( 2 )
Sintaxis
p = chi2cdf (x,v)
-
P1 = chi2cdf (10,8)
0.7350
P2 = gamcdf (10,4,2)
0.7350
p2 =
chi2pdf ()
Descripcin
x 2 e x2
y f x v v
2 2 ( v 2 )
Sintaxis
p = exppdf (x,v)
-
Ejemplo
x = (0:0.1:50);
%Parmetros
p3 = chi2pdf(x,v3);
p4 = chi2pdf(x,v4);
0.2
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
10
15
20
25
30
35
40
45
50
chi2inv ()
Descripcin
Sintaxis
X = chi2inv(P, v)
- Devuelve el valor de la funcin chi-cuadrado
inversa mas aproximado para estos parmetros.
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
114
Ejemplo
X1=chi2inv(0.735,8)
X1=10.0004
x = chi2inv(0.95,5)
x = 11.0705
valores
mayores
de
11
con
chi2rnd ()
Descripcin
Sintaxis
x = chi2rnd (v, f, c)
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
115
una
x = normrnd (mu, v)
-
Ejemplo
10.1084
22.3001
8.5497
8.7564
12.8334
9.8343
7.0153
14.7426 ]
x = [ 7.5864
10.6322
3.8282
5.2046
9.8854
15.4715
9.1717
15.4821
10.8200
chi2stat ()
Descripcin
Sintaxis
[m , v] = chi2stat (V)
Ejemplo
[m,v] = chi2stat([1:5])
m=[1 2 3 4 5]
v = [ 2 4 6 8 10]
Nota
7.1.8.
- La media es:
med = v
- La varianza es:
var = 2v
Distribucin Beta
y f x a, b
1
b 1
x a 1 1 x I 0,1 x
B ( a , b)
B.
es la funcin Beta.
Ba, b t a 1 1 t dt
b 1
Donde
a b
a b
es la funcin Gamma.
betacdf ()
Descripcin
1
b 1
a 1
y f x a, b
t
1
t
dt
B ( a , b) 0
Sintaxis
p = betacdf (x,a,b)
-
Ejemplo
x = [0:0.1:1];
p=betacdf(x,5,4)
0
0.0004
0.0104
0.0580
0.9437 0.9950 1.0000
0.1737
0.3633
0.5941 0.8059
ANEXO 1
INNOVACIONES DE MATLAB 7
NUEVAS CARACTERISTICAS
1. El desktop en MATLAB 7 ha sido rediseado para tener una
mayor funcionalidad y sensibilidad que facilite el entendimiento y
agilidad para llevar a cabo diferentes operaciones. Las nuevas
caractersticas del desktop permiten trabajar en diferentes
documentos al interior de MATLAB de forma simultnea, adems
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONMICAS
UNIDAD DE INFORMTICA Y COMUNICACIONES
120
5. Se tiene la posibilidad de
GRAFICA 1
GRAFICA 2
el
workspace,
para
diferentes
tipos
de
informacin
).
la parte
algn
comando
existente
en
el
Comand History,
9. Para revisar los M-files MATLAB 7 ofrece gran facilidad, basta con
abrir el archivo desde el current directory y dirigirse a la opcin
cell de la barra de mens y habilitar el cell mode; en el editor
las celdas aparecen separadas por doble comentario (%%),
adems es posible ejecutar y avanzar a la otra celda con un solo
clic en el icono (
10.
u otros formatos a
11.
).
12.
). Esta
GRAFICA 3
13.
es posible
GRFICAS
14.
el
icono
data
automticamente
el
cursor
),
valor
de
las
el
cursos
variables
en
nos
indica
el
punto
FIGURA 4
15.
), y seleccionando la opcin
Insert
flecha
que
deseamos,
el
programa
por
defecto
coloca
16.
GRAFICA 5
17.
), esta opcin
grfica,
adems
de
trabajar
interactivamente
con
otras
agregar
grficas
en
otros
cuadrantes
trabajar
GRAFICA 6
18.
) que aparece
encaminadas
mejorar
el
entorno
del
programa