Resumen de Comandos

de Matlab
1. Vectores
Para crear un vector en MATLAB podemos hacerlo de tres formas:
(a) Introduciendo los valores entre corchetes separados por espacios o comas.
V= [1,2,5,-1] o V=[1 2 5 -1]
(b) Mediante la notacion dos puntos, (0:0.1:1) crea un array que comienza en cero,
incrementa 0.1 y naliza en 1.
(c) Mediante la funci on linspace
linspace(primer exponente, ultimo exponente,n umero de valores)
1.1. Acceso a los elementos de un array
x(4) accede al cuarto elemento del vector x.
x(1:5) nos da los elementos del primero al quinto del vector x.
x(1:2:5) muestra los elementos del primero al ultimo indicado, incrementados o
decrementados el n umero que aparece en el centro.
y([8 2 9 1]) muestra los elementos octavo, segundo, noveno y primero.
1
2 MATRICES 2
1.2. Matematicas con Arrays
Las operaciones matematicas sencillas entre escalares y arrays siguen una interpreta-
ci on natural, es decir, se aplica la operaci on a todos los elementos del array.
Dados dos vectores x e y de la misma longitud:
x + y; % Suma los elemsntos de x e y
x -y; %Resta a cada elento de x el correspondiente de y
x.*y; %Multiplica cada x por y elemento a elemento
x./y; % Divide elemernto a elemento
x.^2; %Eleva cada elemento de x al cuadrado
x; % Calcula el vector traspuesto de x
ones(m,1); % Genera un vector columna de m unos
sum(x) %Suma todos los elementos del vector x
La orden whos proporciona informacion adicional sobre los arrays.
La orden length(x) nos devuelve el n umero de elementos del vector x.
2. Matrices
La creaci on de matrices (orientaci on rectangular) sigue la misma estructura de los
vectores la y columna.
Una matriz puede tener m ultiples las, pero cada la debe tener un n umero igual de
columnas.
Al igual que ocurra con los vectores, para manipular matrices se suele utilizar la
notacion de dos puntos.
As, A(1:4,3) es el vector columna que consiste en las cuatro primeras entradas de la
tercera columna de A.
Dos puntos sin mas especicacion denotan una la o columna completa: A(:,3) es la
tercera columna de A y A(1:4,:) son las cuatro primeras las.
El operador sum anterior aplicado a una matriz nos da un vector la, donde cada
elemento se origina sumando todos los elementos de la correspondiente columna de la
matriz A.
3 OPERACIONES RELACIONALES Y L

OGICAS 3
2.1. Operaciones con matrices.
MATLAB dispone de las siguientes operaciones con matrices:
+ adici on
- sustracci on
multiplicaci on
potenciaci on
traspuesta conjugada
\ divisi on izquierda
/ divisi on derecha
Estas operaciones para matrices se aplican tambien a escalares (matrices 1 por 1).
Es importante hacer notar que las operaciones , , \ y / precedidas por un punto,
operar an coordenada a coordenada.
Tambien podemos utilizar variables logicas en los vectores. La variables logicas toman
los valores 0 (falso) o 1 (verdadero).
As, abs(v)>=2 nos devuelve un vector de ceros y unos donde los ceros est an colocados
en aquellas posiciones donde abs(v(i))<2 (no verican la condicion) y 1 donde la verican
(abs(v(i))>=2).
La funci on nd devuelve los subndices o ndices donde una expresion relacional es
verdadera.
find(abs(v)>=2) Nos devuelve las posiciones del vector para las que se verica la
condicion logica anterior.
3. Operaciones Relacionales y Logicas
En expresiones relacionales y logicas, cualquier n umero distinto de cero es verdadero,
y es falso si es igual a cero. La salida produce 1 (verdadero), y 0 (falso).
4 INSTRUCCIONES DE CONTROL 4
OPERADOR DESCRIPCI

ON
< menor que
menor o igual que
> mayor que
mayor o igual que
== igual
~= no igual.
OPERADOR DESCRIPCI

ON
& AND (y)
| OR (o)
NOT (no).
Operadores Relacionales Operadores l ogicos
3.1. Funciones Logicas
FUNCI

ON DESCRIPCI

ON
xor(x,y) Operaci on OR exclusiva.
any(x) Si x vector, devuelve 1 si x(i) x / x
i
= 0.
Si x matriz, devuelve 1 para cada columna
en la que hay elementos no nulos.
all(x) Si x vector devuelve 1 x(i) = 0 i
Si x matriz devuelve uno para cada columna
con todos los elementos no nulos.
isnan(x) Devuelve 1 en magnitudes no numericas en x.
isinf(x) Devuelve 1 en magnitudes innitas (inf) en x.
finite(x) Devuelve unos en valores nitos en x.
4. Instrucciones de Control
La instruccion for
for x = array
ordenes
end
La instruccion while
while relacion
ordenes
end
La instruccion if
5 GR

AFICOS 5
La forma simple de una instruccion if es
if relacion
ordenes
end
Una forma un poco m as general es
if relacion
ordenes evaluadas si relacion es verdadera
else
ordenes evaluadas si relacion es falsa
end
y por ultimo, la m as general
if relacion1
ordenes evaluadas si relacion1 es verdadera
elseif relacion2
ordenes evaluadas si relacion2 es verdadera
elseif
.
.
.
else
ordenes evaluadas si ninguna otra expresion es verdadera
end
La orden break termina la ejecucion de bucles for y bucles while.
5. Gracos
Primero se crean los valores para los ejes, x (por ejemplo, x=-2:0.01:2) e y (y=x);
despues se genera la gr aca con la orden
plot(x,y)
Opciones de la funcion plot:
Superponer gracas sobre los mismos ejes: plot(x,y,x,z)
Usar distintos tipos de lneas: plot(x,y,+,x,z,--)
Etiqueta sobre los ejes: xlabel(texto), ylabel(texto)
6 COMANDOS DE ESTAD

ISTICA UNIDIMENSIONAL 6
Ttulos: title(texto).
grid on a nade una rejilla a la gr aca actual. grid off elimina la rejilla.
Si uno de los argumentos es una matriz y el otro un vector, la orden plot representa
cada columna de la matriz respecto del vector.
Se pueden especicar los colores y estilos de lnea dando un argumento adicional a
plot. Para ver las distintas posibilidades, teclear
help plot
axis([xmin xmax ymin ymax]): Fija los valores m ax. y mn. de los ejes.
Para ver las distintas posibilidades del comando axis, teclear, help axis.
hold on: a nade a un gr aco creado nuevas curvas. hold off la desactiva.
5.1. Subgracos
La orden subplot(m,n,p) (o subplot(mnp)) subdivide la ventana de la gura actual
en una matriz mn de las areas de representacion graca y escoge como activa el area
p-esima.
Para retornar al modo por defecto: subplot(1,1,1).
clg Borra la pantalla gr aca.
6. Comandos de Estadstica unidimensional
mean(X) Calcula la media de una muestra de datos: X =
N

i=1
x
i
N
median(X) calcula la mediana de una muestra de datos.
prctile(X,n Calcula el percentil n umero n de una muestra de datos.
range(X).Rango de una muestra de datos.
iqr(X).Recorrido itercuartlico.
7 COMANDOS DE ESTAD

ISTICA BIDIMENSIONAL 7
var(X) calcula la varianza: Var(X) =
N

i=1
(x
i
X)
2
N 1
std(X) Desviaci on est andar: S = +

i=1
(x
i
X)
2
N 1
skewness(X) Coeciente de asimetra de Fisher: g
1
=
1
N

N

i=1

x
i
X
S
1

3
donde S
1
= S

N 1

N
kurtosis(X)-3 Calcula el coeciente de curtosis: g
2
=
1
N

N

x
i
X
S
1

4
3
donde S
1
= S

N 1

N
6.1. Representaciones gracas
bar(X,N) dibuja un diagrama de barras colocando en el eje X los valores de la
variable X y en el eje Y , las frecuencias, N.
stem(X,N) dibuja en el eje X los valores de la variable X y dibuja una lnea na
vertical de altura las frecuencias, N.
plot(X,N) dibuja la poligonal de puntos cuyas abscisas vienen dadas por X y las
ordenadas por N. Combinando este comando con el anterior, se genera polgono de
frecuencias.
hist(X,n) dibuja un histograma divindiendo los datos en n intervalos de igual
longitud.
pie(X) dibuja un diagrama de sectores.
7. Comandos de Estadstica bidimensional
cov(X,Y) calcula la matriz de varianzascovarianzas de los vectores X e Y , es decir,
la matriz
8 INTRODUCCI

ON AL USO DE FICHEROS 8

var(X) cov(X, Y)
cov(X, Y) var(Y)

S
XY
=
n

i=1
(x
i
X) (y
i
Y )
N 1
corrcoef(X,Y) calcula la matriz de los coecientes de correlacion (obviamente, la
diagonal principal son unos).
r =
S
XY
S
X
S
Y
sort(X) ordena los elementos del vector X de menor a mayor.
7.1. Recta de regresi on lineal
La recta que mejor aproxima los valores de Y respecto de los valores de X es la que se
denomina recta de regresi on de Y sobre X y se dene como y = b
0
+b
1
x donde b
1
=
S
XY
S
2
X
y b
0
= y
S
XY
S
2
X
x. Es importante hacer notar que la recta de regresi on de Y sobre X no
coincide con la recta de regresion de X sobre Y .
8. Introducci on al uso de cheros
8.0.1. Salvar datos en un chero
Se utiliza el comando save. Cuando salva datos, si no se especica lo contrario, al
chero donde los salva le da extension .mat.
save Copia en el chero matlab.mat todas las variables del espacio de trabajo.
save datos Copia en el chero datos.mat todas las variables del espacio de trabajo.
save datos X Y Copia en el chero datos.mat las variables X e Y del espacio de
trabajo.
save datos.txt X Y -ascii Copia con formato ASCII en el chero datos.txt las
variables X e Y del espacio de trabajo.
9 DISTRIBUCIONES DE PROBABILIDAD 9
8.0.2. Cargar datos desde un chero
Se utiliza el comando load. Si no se especica extensi on en el chero, supone que es
un chero de extensi on .mat.
load Copia en el espacio de trabajo las variables contenidas en el chero matlab.mat.
load datos Copia en el espacio de trabajo las variables contenidas en el chero
datos.mat.
load datos X Y Copia en el espacio de trabajo las variables X e Y contendidas en
el chero datos.mat.
load datos.txt Copia en el espacio de trabajo los datos contenidos en el chero
con formato ascii datos.txt.
9. Distribuciones de probabilidad
9.1. Funcion de Densidad de Probabilidad (PDF)
A continuaci on describiremos algunas de dichas funciones.
binopdf(x, n, p): Devuelve la probabilidad de que el n umero de exitos en n ensayos
con probabilidad de exito p, sea igual a x. Si n = 1, estamos ante la distribuci on de
Bernouilli.
chi2pdf(x, v) Devuelva el valor de la funci on de densidad de la distribucion Chi-
Cuadrado con v grados de libertad, evaluada en el punto x.
geopdf(x, p): Devuelve la probabilidad de que el n umero de ensayos para obtener
un exito sea igual a x, con probabilidad de exito igual al parametro p.
poisspdf(x, ): Devuelve la probabilidad de que un valor de la distribucion de
Poisson de parametro ,sea igual x.
unifpdf(x, a, b): Devuelve la densidad de probabilidad en el punto x de una variable
aleatoria uniforme en el intervalo [a, b].
normpdf(x, , ): Devuelve la densidad de probabilidad de la distribuci on normal
de media y varianza
2
, evaluada en x.
9 DISTRIBUCIONES DE PROBABILIDAD 10
exppdf(x, 1/): Devuelve la densidad de probabilidad en el punto x de una variable
aleatoria exponencial de par ametro .
9.2. Funcion de Densidad Acumulativa (cdf)
A continuaci on describiremos algunas de dichas funciones.
binocdf(x,n,p) Devuelve la probabilidad de que una variable aleatoria Binomial
de parametros n y p sea menor o igual que el valor x.
chi2cdf(x,n) Devuelve la probabilidad de que una variable aleatoria Chicuadrado
con n grados de libertad sea menor o igual que el valor x.
expcdf(x,1/) Devuelve la probabilidad de que una variable aleatoria Exponencial
de parametro sea menor o igual que el valor x.
fcdf(x,n,m) Devuelve la probabilidad de que una variable aleatoria F de Snedecor
con n y m grados de libertad sea menor o igual que el valor x.
geomcdf(x,p) Devuelve la probabilidad de que una variable aleatoria Geometrica
de parametro p sean menor o igual que el valor x.
normcdf(x,, ) Devuelve la probabilidad de que una variable aleatoria Normal
de media y desviaci on tpica sea menor o igual que el valor x. Si los valores
y no se especican Matlab toma por defecto los valores 0 y 1, es ecir, la normal
tipicada.
poisscdf(x,) Devuelve la probabilidad de que una variable aleatoria Poisson de
par ametro sea menor o igual que el valor x.
tcdf(x,n) Devuelve la probabilidad de que una variable aleatoria T de Student con
n grados de libertad sea menor o igual que el valor x.
unifcdf(x,a,b) Devuelve la probabilidad de que una variable aleatoria Uniforme
(continua) en el intervalor (a, b) sea menor o igual que el valor x.
9.3. Funciones inversas
Para calcular el valor x de la variable aleatoria X especicada tal que P[X x] = p
para una probabilidad dada p:
modeloinv(probabilidad,parametros)
10 INTERVALOS DE CONFIANZA Y CONTRASTES DE HIP

OTESIS 11
10. Intervalos de conanza y contrastes de hip otesis
Una vez realizados los contrastes, hemos de tomar una decision. Dicha toma de decisi on
la haremos:
Mediante el p-valor.
Rechazaremos o no rechazaremos H
0
seg un el valor pvalor (en ralaci on con el valor
de ) indique si el Texperimental cae o no en la regi on de rechazo.
Mediante el valor del estadstico de contraste.
Una vez calculados el valor crtico del estadstico de contraste y el valor del estadsti-
co de muestra (o Texperimental), tendremos que rechazar H
0
si el dicho valor del
Texperimental cae en la regi on de rechazo.
10.1. Contrastes de hip otesis
[h,p,IC,zval] = ztest(x,
0
,,,cola). Contraste sobre la media de una pobla-
ci on normal con conocida. Los argumentos son:
x: vector de datos extrados de la poblacion N(, ).

0
: Hipotesis nula.
: desviacion tpica de la poblacion.
: Nivel de signicaci on del test.
cola: cadena de caracteres que indica el tipo de contraste.
cola = both especica la hip otesis alternativa =
0
.
cola = right especica la hip otesis alternativa >
0
.
cola = left especica la hip otesis alternativa <
0
.
Los argumentos y cola son opcionales. Sus valores por defecto son = 0.05 y
cola=both.
Las variables de salida son:
h: indica el resultado del test.
10 INTERVALOS DE CONFIANZA Y CONTRASTES DE HIP

OTESIS 12
p: pvalor del test.
IC: intervalo de conanza al 100(1 ) % para la media verdadera.
zval: Valor del estadstico Z.
[h,p,IC,stats] = ttest(x,
0
,,cola): Contraste sobre la media de una poblaci on
normal con desconocida. Si en vez de un vector, x, aparecen dos, x,y, realiza un contraste
de diferencia de emdias, para medias relacionadas. Los argumentos de esta funci on son:
x: vector de datos extrados de la poblacion N(, ).

0
: Hipotesis nula.
: Nivel del test.
cola: cadena de caracteres que indica el tipo de contraste.
Los argumentos
0
, y cola son opcionales. Sus valores por defecto
0
= 0, = 0.05
y cola=both.
Las variables de salida son:
h: indica el resultado del test.
p: pvalor del test.
IC: intervalo de conanza al 100(1 ) % para la media verdadera.
stats devuelve una estructura con los siguientes campos:
tstat Valor del estadstico del test
df Grados del libertad del test.
sd Desviaci on tpica poblacional estimada. Para un test pareado, es la des-
viaci on est andar de x y.
[h,p,IC,stats] = vartest(x,
2
0
,,cola). Contraste sobre la varianza
2
de una
poblaci on normal. Los argumentos de esta funci on son:
x: vector de datos extrados de la poblacion N(, ).

2
0
: Hipotesis nula.
10 INTERVALOS DE CONFIANZA Y CONTRASTES DE HIP

OTESIS 13
: Nivel del test.
cola: cadena de caracteres que indica el tipo de contraste.
Los argumentos y cola son opcionales. Sus valores por defecto son = 0.05 y
cola=both.
Las variables de salida son:
h: indica el resultado del test.
p: pvalor del test.
IC: intervalo de conanza al 100(1 ) % para la varianza.
stats devuelve una estructura con los siguientes campos:
chisqstat Valor del estadstico del test.
df Grados del libertad del test.
[h,p,IC,stats] = vartest2(x,y,,cola). Contraste sobre el cociente de varianzas

2
x
/
2
y
de dos poblaciones normales. Los argumentos de esta funcion son:
x: vector de datos extrados de la poblacion N(, ).
Hip otesis nula:
2
x
/
2
y
= 1.
: Nivel del test.
cola: cadena de caracteres que indica el tipo de contraste.
Los argumentos y cola son opcionales. Sus valores por defecto son = 0.05 y
cola=both.
Las variables de salida son:
h: indica el resultado del test.
p: pvalor del test.
IC: intervalo de conanza al 100(1 ) % para
2
x
/
2
y
.
stats devuelve una estructura con los siguientes campos:
10 INTERVALOS DE CONFIANZA Y CONTRASTES DE HIP

OTESIS 14
fstat Valor del estadstico del test.
df1 Grados del libertad del numerador.
df2 Grados de libertad del denominador
[h,p,ci,stats] = ttest2(x,y,alpha,cola,varianzas). Contraste para la diferen-
cia de medias de dos poblaciones con varianzas
1
y
2
desconocidas. Los argumentos de
esta funcion son:
x, y: vectores de datos extrados de las poblaciones normalesN(
1
,
1
) y N(
2
,
2
)
.

0
: Hipotesis nula.
: Nivel del test.
cola: cadena de caracteres que indica el tipo de contraste.
varianzas: cadena de caracteres que indica si se asumen o no varianzas iguales.
varianzas = equal Se asume igualdad de varianzas.
varianzas = unequal No se asume igualdad de varianzas.
Los argumentos
0
, , cola y varianzas son opcionales. Si no aparecen, sus valores
por defecto
0
= 0, = 0.05, cola=both y equal.
Las variables de salida son:
h: indica el resultado del test.
p: pvalor del test.
IC: intervalo de conanza al 100(1 ) % para la media verdadera.
stats devuelve una estructura con los siguientes campos:
tstat Valor del estadstico del test
df Grados del libertad del test.
sd Desviaci on tpica poblacional estimada. Para un test pareado, es la des-
viaci on est andar de x y.
Nota 1. Para ver todas las posibilidades de estos comandos teclear: help ztest, help
ttest, help vartest, help vartest2 o help ttest2.
11 REGRESI

ON LINEAL 15
11. Regresion lineal
El comando regress nos permite hacer tanto regresion lineal simple como m ultiple.
Su sintaxis, en la forma mas general, es la siguiente:
[b,bint,r,rint,stats] = regress(y,X,alpha) que realiza un ajuste por mnimos
cuadrados de y sobre X resolviendo el sistema lineal
y = X + N(0,
2
I)
para , donde:
y: es un vector de n 1 observaciones.
X: es una matriz X
np
de regresores.
: es un vector de par ametros.
: es un vector de errores aleatorios.
: es el nivel de signicacion que genera un intervalo de conanza de 100(1 ) %.
b: es el ajuste por mnimos cuadrados.
bint: es una matriz de intervalos al 95 %
r: es el vector de restos.
rint: es una matriz de intervalos que puede utilizarse para diagnosticar outliers.
Si rint(i, :) no contiene al cero,entonces el i-esimo residuo es mayor de lo que se
esperara con un nivel de signicaci on del 5 % y esto sugiere que la observacion es
u8n outlier.
stats: es un vector que contien en el siguiente orden el estadstico R2, el estadstico
F, un p-valor del modelo completo y una estimacion de la varianza del error.
Nota 2. X tiene que incluir una columna de unos de modo que el modelo contenga un
termino constante. Los estadsticos F y p son calculados bajo la asumpcion de que el
modelo tiene termino constante y por tanto no son correctos para aquellos modelos sin
termino constante. el valor de R
2
es 1 menos la proporcion entre la suma de errores
cuadrados y la suma total de cuadrados. Este valor puede ser negativo para modelos sin
termino constante, lo que indicara que el modelo nno es apropiado para el conjunto de
datos.
11 REGRESI

ON LINEAL 16
11.0.1. Otras comandos utiles en regresi on
b=polyfit(x,y,n). Calcula el polinomio de regresi on de y sobre x de grado n.
Los coecientes del polinomio de regresi on, en orden decreciente, se almacenan en el vector
b.
polyval(b,x) eval ua los valores del polinomio anterior para los distintos valores de x.