Está en la página 1de 6

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

TITULACIN EN INGENIERA EN ELECTRNICA Y TELECOMUNICACIONES


ASIGNATURA: ANALSIS ESTADSTICO Y PROBABILSTICO.
NOMBRE: JONATHAN VILLAGMEZ

FDP uniforme.

Computa la funcin de distribucin uniforme continua para el valor X y los parmetros A y B. X, A y B


deben ser del mismo tamao. El parmetro B debe ser mayor que A.
Genera una matriz de tamao m x n, formada por nmeros aleatorios que cumplen que su distribucin
sobre la recta real es de la forma indicada (m y n son parmetros opcionales y pueden no ser necesaria
su inclusin).
El resultado Y es la probabilidad de que ocurra X en el intervalo (A, B).
La distribucin uniforme estndar tiene A=0 y B=1.
Cdigo:
x=(-1:0.5:1);
y=unifpdf(x,0,8);
plot(x,y)

Grfica:

Distribucin Normal o Gaussiana.

Computa la funcin de distribucin exponencial negativa para el valor X y los parmetros MU y SIGMA.
X, MU y SIGMA pueden ser vectores, matrices y arreglos que deben ser del mismo tamao. El parmetro
SIGMA debe ser positivo.
La distribucin normal estndar tiene MU = 0 y SIGMA = 1.
Fluctuaciones simtricas alrededor de un valor medio (MU).
Cdigo:
X = (150:0.5:180);
Y = normpdf(X,165,5)
plot(X,Y); grid; xlabel('x'); ylabel('p')

Grfica:

Distribucin Exponencial.

Computa la funcin de distribucin exponencial negativa para el valor X y el parmetro MU. X y MU


deben ser del mismo tamao. El parmetro MU debe ser positivo.
La pdf exponencial es la pdf gamma con su primer parmetro (a) igual a 1.
La variable aleatoria exponencial es el tiempo que transcurre hasta que se da el primer evento de
Poisson. Es decir, la distribucin exponencial puede modelar el lapso entre dos eventos consecutivos de
Poisson que ocurren de manera independiente y a una frecuencia constante.
Cdigo:
X = (0:1:5);
Y = exppdf(X,1)
plot(X,Y); grid; xlabel('x'); ylabel('p')

Grfica:

Distribucin Log-Normal.

Computa la funcin de distribucin log-normal para el valor X con media MU y desviacin estndar
SIGMA. X, MU y SIGMA deben ser del mismo tamao, que determina el tamao de Y.
Es una distribucin normal asimtrica.
Se utiliza para modelar tiempos de procesos y reparacin, averas de un coche con el tiempo, poblacin
de un sitio con respecto al dinero, estancia de tiempo en un banco, etc.
Cdigo:
X = (0:0.1:10);
Y = lognpdf(X,1,1)
plot(X,Y); grid; xlabel('x'); ylabel('p')

Grfica:

Distribucin Gamma.

Computa la funcin de distribucin gamma para el valor X y los parmetros A y B. X,A y B deben ser del
mismo tamao. A y B deben ser positivos y X tiene que estar dentro del intervalo (0,+).
La pdf de gamma es til en los modelos de dependencia de ciclos de vida. La distribucin gamma es ms
flexible que la exponencial. Los casos especiales de la funcin gamma son las funciones: exponencial y
chi-cuadrado.
Se aplica para tiempos de procesos, tiempos de reparacin, tiempos entre llegadas (con poca
aleatoriedad), incluso ingresos familiares, edad del hombre al contraer matrimonio por primera vez, etc.
Cdigo:
X =(1:0.1:5);
Y = gampdf(X,1,1)
plot(X,Y); grid; xlabel('x'); ylabel('p')

Grfica:

Distribucin Beta.

Computa la funcin de distribucin gamma para el valor X y los parmetros A y B. X, Ay B deben ser del
mismo tamao. A y B deben ser positivos y X tiene que estar dentro del intervalo [0,1].
La distribucin uniforme en [0,1] es un caso derivado de la distribucin beta donde A=1 y B=1.
Permite generar una gran variedad de perfiles. Se puede usar para representar la distribucin de
artculos defectuosos sobre un intervalo de tiempo especfico, etc.
Cdigo:
A= [0.2:0.01:0.6];
Y = betapdf(A,5,5);
plot(A,Y); grid; xlabel('x'); ylabel('p')

Grfica:

Distribucin Binomial.

Computa la funcin de distribucin binomial para el valor X y los parmetros N y P. X, N y P deben ser
del mismo tamao. N debe ser un entero positivo y P tiene que estar en el intervalo [0,1].
El resultado Y es la probabilidad de observar X sucesos en N pruebas independientes, donde la
probabilidad de que ocurra el suceso (acierto) viene dada por el parmetro P, que permanece constante
para cada prueba, y la probabilidad de que no ocurra el suceso (fracaso) es 1-P.
Cdigo:
x=(0:1:5);
y=binopdf(x,5,0.5);
plot (x,y,'+')

Grfica:

Distribucin de Poisson.

Computa la funcin de distribucin de Poisson para el valor X y el parmetro LAMBDA.X y LAMBDA


deben ser del mismo tamao y LAMBDA positivo. X puede ser cualquier entero no negativo. La funcin
de densidad es 0 a menos que X sea un entero.
La variable aleatoria representa el nmero de eventos independientes que ocurren a una velocidad
constante en el tiempo o en el espacio.
Ofrece una aproximacin muy buena a la funcin de probabilidad binomial cuando p es pequeo y n
grande.
Es el principal modelo de probabilidad empleado para analizar problemas de lneas de espera. Se usa
para estimar el nmero de personas que llegan a una tienda de autoservicio en un tiempo estimado, el
nmero de defectos en piezas similar es para el material, el nmero de bacterias en un cultivo, nmero
de solicitudes de seguro procesadas por una compaa en un perodo especfico, etc.
Cdigo:
x=(2:1:20);
y=poisspdf(x,8);
plot (x,y,'+')

Grfica: