Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introduccin
SPSS-12.0 ofrece una gama de posibilidades para llevar a cabo
todo el proceso de anlisis de informacin. Genera la informacin que necesita el investigador para tomar decisiones acertadas, utilizando procedimientos estadsticos y presentando los
resultados en tablas y grficos.
Existen publicaciones ampliamente conocidas como Anlisis estadstico con SPSS para WINDOWS de Visauta, Estadstica
con SPSS en su versin 12 de Nel Quezada, que abordan con detalle y amplitud diversos procedimientos del SPSS y al que deber remitirse el lector interesado en temas especializados del software estadstico SPSS.
No se pretende hacer un libro del SPSS, sino un manual o
gua sencilla que el lector puede usar, con comandos claros y especficos para obtener los resultados presentados en los captulos anteriores del presente libro o cuando desea realizar el anlisis estadstico de la base de datos de su inters, con el auxilio del
software estadstico SPSS_12.
En el presente captulo se usan algunas bases de datos que se
han preparado especialmente para esta publicacin como tambin
para el libro Estadstica descriptiva con soporte del SPSS y MATLAB. Cabe indicar que en cada uno de los captulos precedentes
del presente libro se han presentado los comandos del SPSS que
permitieron ejecutar los procedimientos correspondientes aqu:
[11]
295
Ventana de datos
Ventana de variables
Ventana de salida
296
Men principal
Desde el men se accede a la mayora de las funciones del SPSS.
El men principal tienen las siguientes opciones:
File: Permite crear un nuevo archivo SPSS, abrir un archivo
ya existente, grabar, leer datos creados con otras aplicaciones, etc.
Edit: Contiene las opciones de Windows para copiar datos,
buscar, etc.
297
Data: Contiene opciones para hacer cambios que afectan a todo el archivo de datos (unir archivos, transponer variables y casos, crear subconjuntos de casos, etc.). Estos cambios son temporales mientras no se guarde explcitamente el
archivo.
Transform: Permite cambios sobre variables seleccionadas, permite la creacin de nuevas variables. Estos cambios son temporales mientras no se guarde explcitamente el
archivo.
Analyze: Desde esta opcin se ejecutan todos los procedimientos estadsticos.
Graphs: Desde esta opcin se realizan todos los grficos estadsticos.
Utilities: Permite cambiar fuentes, obtener informacin
completa del archivo de datos, acceder a un ndice de comandos
SPSS, etc.
Windows: Ordena, selecciona, controla atributos de las ventanas abiertas.
Help: Abre un archivo estndar de ayuda Windows.
298
Crear la base
de datos
Seeccionar el
procedimiento
estadstico
Seleccionar a
variable
Resultados
NO NUMRICAS
VARIABLE VIEW:
NAME:
TYPE:
WIDTH:
LABEL:
VALUE:
VALUE LABEL:
ALUE:
VALUE LABEL:
DATA VIEW:
299
NUMERICAS
VARIABLE VIEW:
NAME:
TYPE:
WIDTH:
DECIMALS:
LABEL:
DATA VIEW:
GUARDAR UN ARCHIVO
FILE/
SAVE AS/
NOMBRE DEL ARCHIVO: DATOS1-maestra
GUARDAR
Figura 6.2
Relacin de archivos creados, entre ellos DATOS10-maestra
300
variable
unidad
Figura 6.3
Variables creadas en el archivo DATOS10-maestra
Vista de datos
Vista de variables
Procedimientos estadsticos
Luego de ingresar los datos al EDITOR, debe elegirse un procedimiento en el men ANALIZE para poder obtener los resultados
deseados. El software nos permite realizar informes estadsticos
descriptivos que incluyen tablas de frecuencias, grficos, correlaciones, rectas de regresin entre otros.
301
Figura 6.4
Relacin de procedimientos estadsticos
Elegir el
procedimiento
Despus de abrir el archivo, se selecciona el procedimiento estadstico. En la ilustracin se ha seleccionado el procedimiento de estadsticas descriptivas y se quiere hacer la tabla
de frecuencias.
Figura 6.5
Seleccionar el procedimiento estadstico
302
Figura 6.6
Relacin de variables variable
variable
Si se desea un grfico descriptivo, se elige en el men GRFICOS, puede ser normal o interactivo, en cuyo caso se podr
modificar posteriormente las variables usadas.
Los resultados y grficos que se genera se van acumulando
para su posterior impresin o almacenamiento en disco. En el
303
Valid
vehculo propio
vehculo de familiares
transporte pblico
transporte universidad
Total
Frequency
Percent
Valid
Percent
Cumulative
Percent
5
13
110
72
200
2.5
6.5
55.0
36.0
100.0
2.5
6.5
55.0
36.0
100.0
2.5
9.0
64.0
100.0
Se nos muestra:
value:
frequency:
percent:
304
valid percent:
Valid
1
2
3
4
5
Total
Frequency
Percent
Valid
percent
Cumulative
percent
10
27
37
21
5
100
10.0
27.0
37.0
21.0
5.0
100.0
10.0
27.0
37.0
21.0
5.0
100.0
10.0
37.0
74.0
95.0
100.0
305
Variables continuas
Para construir la tabla considerar la variable coeficiente de inteligencia de la base de DATOS1- maestra y ejecutar los siguientes
comandos:
ANALYZE/ DESCRIPTIVE STATISTICS/FREQUENCIES/
en el cuadro de dilogo que aparece elegir la variable INTELIGENCIA/ pulsar OK para ejecutar el procedimiento con las opciones por defecto.
El output del SPSS muestra la siguiente tabla.
Tabla 6.2
Tabla de frecuencias para la variable coeficiente de inteligencia
Inteligencia
Valid
93
93
94
94
95
114
116
117
118
120
Total
Frequency
Percent
Valid
percent
Cumulative
percent
1
2
1
1
1
1
1
1
1
2
70
1.4
2.9
1.4
1.4
1.4
1.4
1.4
1.4
1.4
2.9
100.0
1.4
2.9
1.4
1.4
1.4
1.4
1.4
1.4
1.4
2.9
100.0
1.4
4.3
5.7
7.1
8.6
92.9
94.3
95.7
97.1
100.0
306
a)
b)
y pulsar: 1 en new
2 en new
3 en new
4 en new
..
7 en new
307
Figura 6.7
Comando Recode para recodificar inteligencia en INTELI1
Se termina de declarar la equivalencia entre la variable original coeficiente de inteligencia y se ha creado la variable ficticia
INTELI1.
c)
308
Se pide la tabla de frecuencias para la variable ficticia COEFI1, ejecutando los siguientes comandos:
ANALYZE/ DESCRIPTIVE STATISTICS/FREQUENCIES/
elegir la variable INTELI/ DISPLAY FREQUENCY TABLES/
OK. En el OUTPUT se lee la siguiente tabla.
Tabla 6.3
Distribucin de frecuencias de la variable ficticia
INTELI
Valid 1
2
3
4
5
6
7
Total
d)
Frequency
Percent
Valid
Percent
Cumulative
Percent
9
28
13
12
2
2
4
70
12,9
40,0
18,6
17,1
2,9
2,9
5,7
100,0
12,9
40,0
18,6
17,1
2,9
2,9
5,7
100,0
12,9
52,9
71,4
88,6
91,4
94,3
100,0
Hacer la equivalencia entre los cdigos de la variable INTELI1 y los intervalos de la variable coeficiente de inteligencia,
usando los comandos:
VARIABLE VIEW/ NAME(INTELI1)/ VALUES /
VALUE 1 /VALUE LABEL
VALUE 2/VALUE LABEL
VALUE 3/VALUE LABEL
VALUE 4/VALUE LABEL
e)
[92 96[
[96 100[
[100 104[
[108 112[
...........
[116 120]
Reconstruir la tabla de frecuencias para la variable coeficiente de inteligencia, con tan solo hacer el cambio de variable de INTELI1 por coeficiente de inteligencia. En el output
se lee lo siguiente.
A partir de la salida del SPSS se hace la Distribucin de frecuencias absolutas, relativas y acumuladas para la variable coeficiente de inteligencia.
309
Tabla 6.4
Distribucin de frecuencias de la variable coeficiente de inteligencia
Coeficiente Frecuencia Frecuencia Frecuencia Frecuencia Frecuencia Frecuencia
de
absoluta
relativa
absoluta
relativa
relativaen
relativa
inteligencia
acumulada acumulada porcentaje acumulada
fi
hi
Intervalos
porcentaje
Hi
Fi
hi %
de clase
Hi %
[ 92- 96 )
[ 96-100 )
[100-104)
[104-108)
[108-112)
[112-116)
[116-120]
9
28
13
12
2
2
4
0.129
0.400
0.186
0.171
0.029
0.029
0.057
Total
70
100.0
9
37
50
62
64
66
70
0.129
0.529
0.714
0.886
0.914
0.943
1.000
12,9
40,0
18,6
17,1
2,9
2,9
5,7
12,9
52,9
71,4
88,6
91,4
94,3
100,0
100.0
Count
40
30
20
10
0
310
femenino
masculino
sexo de los estudiantes
b)
Frequency
15
10
Mean = 101.77
Std. Dev. = 6.294
N = 70
5
0
95
100
105
110
inteligencia
115
120
311
20
Count
15
10
5
0
6.00
Inteli 1
Percent
30
20
10
312
6.00
Court
60
40
20
0
2.00
3.00
4.00
5.00
6.00
Inteli 1
Figura
Court
60
40
20
0
2.00
3.00
4.00
5.00
6.00
Inteli 1
313
inteligencia
N
Mean
Median
Mode
Std. Deviation
Variance
Skewness
Std. Error of Skewness
Kurtosis
Std. Error of Kurtosis
Range
Minimum
Maximum
Sum
Sum
Percentiles
314
Valid
Missing
6.282
39.464
1.301
.287
1.558
.566
27
93
95.37
10
20
70
0
101.79
100.00
100
120
7125
95.37
96.97
315
ANALYZE/ DESCRIPTIVE STATISTICS/CROSSTABS. Aparecer el cuadro de dilogo en el que deber colocar en ROWS la
variable ESTADO CIVIL, y en COLUMNS colocar la variable
DESERCION. Continuar con los comandos FORMAT/DESCENDING/ STATISTICS/PHI/ CONTINUE y se ejecuta el procedimiento con OK.
En el OUTPUT aparece:
DESERCION * ESTADO CIVIL Crosstabulation
ESTADO CIVIL
DESERCION
Total
1
0
2
8
10
4
1
5
Total
6
9
15
Symmetric Measures
Value
Nominal by
Nominal
Phi
.577
b) Coeficiente BISERAL-PUNTUAL
Abrir o crear la base de datos.
En el presente caso, abrir la base DATOS9-biseral y seleccionar las variables sexo y estatura de los estudiantes.
El SPSS no proporciona directamente el valor del coeficiente de correlacin biseral, pero proporciona las medias muestrales y la desviacin estndar necesarios que se reemplazan en la
frmula correspondiente.
Se crea una variable ficticia donde se guardan las estaturas
de los estudiantes del sexo femenino. Esa variable se denomina
X0, de la que necesitamos su media aritmtica.
316
estatura de los
estudiantes
Xo
x1
Valid N (listwise)
15
7
8
0
= 66.75
r
c)
Minimum Maximum
bp
55
55.00
62.00
= 61.14
73
67.00
73.00
=8
66.75 61.14 8 x7
4.749
15 x14
Mean
Std. Deviation
64.13
61.1429
66.7500
4.749
3.62531
4.13176
=7
= 4.749
0.61
Coeficiente TETRACRICO
El SPSS nos proporciona la tabla de contingencia de la que tomamos los valores de las celdas para reemplazarlos en la frmula
de la pgina 95. Se ilustra con la base DATOS10-tetracrico con
317
las variables notas en el curso de estadstica (dicotomizada: aprob o desaprob) y las notas en el curso de metodologa de la investigacin tambin dicotomizada. Las dos variables son de naturaleza cuantitativa. Para obtener la tabla de doble entrada se
procede de la siguiente manera:
ANALYZE/ DESCRIPTIVE STATISTICS/CROSSTABS. Aparecer el cuadro de dilogo en el que deber colocar en ROWS la
variable NOTAS EN ESTADSTICA, y en COLUMNS colocar la
variable NOTAS EN METODOLOGA. Continuar con los comandos FORMAT/DESCENDING/ CONTINUE y se ejecuta el procedimiento con OK.
En el output aparecen las frecuencias conjuntas
notas de estadstica * notas de metodologa de la investigacin Crosstabulation
Count
notas de metodologa
de la investigacin
notas de
estadstica
Total
desaprob
aprob
a=11
c=34
45
b=36
d=18
54
aprob
desaprob
Total
47
52
99
b c 36(34)
= 6.18 . En la
=
11(18)
ad
tabla H d el valor de dicho cociente se encuentra en el intervalo
6.044 y 6.288 por lo que el valor del coeficiente de correlacin
tetracrico es 0.62.
con las que se calcula el cociente
d ) Coeficiente BISERAL
Este tipo de coeficiente se calcula cuando se tienen dos variables
cuantitativas una de las cuales ha sido dicotomizada. Tampoco el
SPSS calcula este coeficiente pero nos proporciona las cuentas auxiliares para la obtencin del coeficiente. Se usa la base DATOS11-
318
b)
c)
TRANSFORM/COMPUTE en target colocar XO/ en expresin numrica colocar TIEMPO/ IF/ activar INCLUDE IF
CASE SATISFIES CONDITION HABILIDAD=0/ CONTINUE /OK. Se ha creado la variable X0.
TRANSFORM/COMPUTE en target colocar X1/ en expresin
numrica colocar TIEMPO/ IF/ activar INCLUDE IF CASE
SATISFIES CONDITION HABILIDAD=1/ CONTINUE /OK.
ANALYZE/ DESCRIPTIVE STATISTICS/ DESCRIPTIVES/
seleccionar las variables TIEMPO XO X1/ OK.
En el output se dispone del siguiente cuadro
Descriptive Statistics
tiempo para
resolver
x0
x1
Mean
Std.
Deviation
99
52
47
63.54
63.0113
64.1310
10.168
10.58776
9.76176
que luego permiten calcular el coeficiente de correlacin biseral usando la frmula de la pgina 98.
319
e)
Coeficiente de SPEARMAN
f)
Correlation
Coefficient
1.000
.332
Correlation
Coefficient
.332
1.000
Coeficiente de CONTINGENCIA
Es til cuando las dos variables son cualitativas como en los ejemplos 4.2 y 4.3.
Para el ejemplo 4.2 se us la base DATOS2-matemticas y se
construy la tabla de doble entrada para el sexo y la escuela profesional a la que pertenece el estudiante. Esta vez, adems del
cuadro se obtiene el coeficiente de contingencia. Los comandos
son los siguientes:
ANALYZE/ DESCRIPTIVE STATISTICS/CROSSTABS/ colocar en ROWS la variable SEXO y en COLUMNS colocar ESCUELA PROFESIONAL/ pulsar STATISTICS/ activar CONTINGENCY COEFFICIENT/ CONTINUE/ ejecutar con OK.
El output del SPSS adems de la tabla bidimensional incluye
el siguiente cuadro:
320
Symmetric Measures
Value
Nominal by Nominal
Contingency
Coefficient
.217
16
Notas prmedio
14
12
10
8
8
10
12
Notas de lgebra
14
321
Pearson
PROMEDIO
Correlation
NOTAS DE
Pearson
LGEBRA
Correlation
c)
NOTAS DE
ALGEBRA
.925
.925
.000
322
Correlations
Edad de los Tiempo de Notas de Notas
estudiantes servicio lgebra promedio
Edad de los
estudiantes
Pearson Correlation
Sig. (2-tailed)
N
1
.
47
.734**
.000
47
-.107
.473
47
-.077
.608
47
.734**
.000
47
1
.
47
-.173
.244
47
-.124
.407
47
Notas de lgebra
pearson correlation
Sig. (2-tailed)
N
-.107
.473
47
-.173
.244
47
1
.
47
.925**
.000
47
Notas promedio
Pearson Correlation
Sig. (2-tailed)
N
-.077
.608
47
-.124
.407
47
.925**
.000
47
1
.
47
Se observa que la matriz es simtrica y los valores de la diagonal igual a 1, pues corresponde a la correlacin de cada variable consigo misma.
d ) Coeficiente de correlacin parcial
Se trata de un coeficiente de correlacin que nos da la idea de la
relacin lineal existente entre dos variables, ajustada a los efectos lineales que sobre ella puedan tener una o ms variables intervinientes.
Si deseamos encontrar el coeficiente de correlacin parcial entre la nota promedio y lgebra, ajustado por la influencia que podra tener la nota de aritmtica, los comandos son los
siguientes:
ANALYZE/ CORRELATE/ PARTIAL/elegir como variables
destino PROMEDIO y LGEBRA/ en controllin for colocar la variable control ARITMTICA/ dejar todas las opciones por defecto y se ejecuta el procedimiento con OK.
323
Correlations
Control
Variables
NOTAS DE
ARITMTICA
NOTAS
PROMEDIO
NOTAS DE
LGEBRA
NOTAS
PROMEDIO
NOTAS DE
LGEBRA
Correlation
1.000
.611
Correlation
.611
1.000
Scatterplot
324
Sexo de los
participantes
16,0000
Femenino
Masculino
Notas promedio
14,0000
12,0000
10,000
8,0000
8,0000 10,0000 12,0000 14,0000
f)
Entramos en ANALYZE/ REGRESSION/ LINEAR y obtenemos el cuadro de dilogo, donde se elige la variable PROMEDIO como variable dependiente y LGEBRA como variable
independiente. Dejamos el resto de opciones por defecto y ejecutamos el procedimiento. Los resultados son los que aparecen a
continuacin.
325
Model Summmary
Model
1
R Square
Adjusted
R. Square
.925
.855
.852
Std. error of
the estimate
.518
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
df
Mean
Square
Sig.
71.298
12.077
83.375
1
45
46
71.298
.268
265.659
.000
Coefficientsa
Unstandardized
Coefficients
Model
1 (Constant)
NOTAS DE LGEBRA
Standardized
Coefficients
Std. Error
Beta
Sig.
3.853
.708
.477
.043
.925
8.071
16.299
.000
.000
326
14
Notas promedio
13
Linear
Regression
12
11
10
9
8
10
12
14
Notas de lgebra
R Square
Adjusted
R. Square
.940
.884
.879
Std. error of
the estimate
.468
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
df
Mean
Square
Sig.
73.734
9.641
83.375
2
44
46
36.867
.219
168.257
.000
327
Coefficientsa
Unstandardized
Coefficients
Model
1 (Constant)
NOTAS DE LGEBRA
NOTAS DE ARITMTICA
Standardized
Coefficients
Std. Error
Beta
Sig.
2.759
.448
.280
.542
.087
.084
.585
.381
5.091
5.122
3.334
.000
.000
.002
328
ans =5.1416
ans = 0.1111
ans = 8
ans = 1.4142
ans = 1
ans = 2.7183
MATLAB permite asociar un nombre a una cantidad numrica dada (al que llamamos variable) Se declara las variables
usando el signo "=":
Ejemplo
" a=13
" b=a+a/pi
a = 13
b = 17.1380
MATLAB nos muestra las respuestas en ans (answers) cuando no asignamos nombre de ninguna variable.
Ejemplo
" pi
" ans/2
ans = 3.1416
ans = 1.5708
329
brayado. Puede contener hasta 19 caracteres. MATLAB es sensible a las maysculas: a y A son variables diferentes.
Declaracin de vectores y matrices
Los escalares, los vectores y las matrices, se ejecuta en MATLAB sin ninguna declaracin especial. Los vectores pueden ser
considerados como matrices de una sola columna o de una sola
fila, as tambin los escalares pueden ser considerados como
matrices de orden uno. Existen varias formas de escribir matrices en MATLAB, consideremos algunas de las ms sencillas:
Para escribir la matriz fila b de componentes: 1, 2, 3 y 4
digito:
>>b=[1 2 3 4], a lo que matlab responde:
b=
1 2 3 4
Cada nueva columna est separada por un espacio, tambin
puede usarse tambin una coma
" b=[1,2,3,4]
b=
1 2 3
4
Escribimos un vector columna c, separando cada nueva fila
con un punto y coma.
" c = [1; 2;3, -9]
c=
1
2
3
-9
Una matriz A se escribe:
" A = [1 2 3;4 5 6;7 8 9].
A=
1 2 3
4 5 6
7 8 9
Recuerde que cada nueva columna se separa con ";".
330
Para escribir vectores podemos usar dos puntos, (:) de la siguiente manera:
vector = primer elemento: incremento: ltimo elemento.
Ejemplo
>> v1=1:5:39
v1 = 16 11 16 21 26 31 36
Al ser el incremento igual a 5, el siguiente de 36 sera 41 que
rebasa la cota superior de 39.
Puede considerarse fracciones como incremento:
" v2 = 2 : 0.4: 4
3.2000
331
332
" B=[A,
B=
1 2
4 5
7 8
0 0
0 0
0 0
zeros(3);
3
6
9
0
0
0
0
0
0
1
1
1
zeros(3), ones(3)]
0
0
0
1
1
1
Ejemplo
" a = 4: 9
" b = 9: -1: 4 b =
" c = ones(2) c = 1
1 1
" d1=[a b]
" d2=[a; b]
" d3=[d2,
0
0
0
1
1
1
a=4 5
9
8
1
6
7
7
6
8
5
9
4
d1 = 45
9
8
d2 = 45
9
8
c]
d3 =
8
9
9
8
1
1
d4 = 1
7
8
1
1
5
4
6
7
6
7
4
1
7
7
6
7
6
5
1
6
8
5
8
5
6
9
4
9
4
7
1
9
9
333
En el caso de vectores basta con dar la componente del vector, la primera componente es d1(1), y as para todos los vectores, no existe para matlab una componente de ndice cero, igual
con las matrices, el elemento de la primera fila y primera columna es A(1, 1), no existe A(0, 0).
Podemos redefinir una matriz modificando algn elemento,
por ejemplo:
" A(3,2)=17
Observe el elemento (3, 2), en la matriz A que se tenia y como
se reemplaz en la nueva A:
A=
1 2
4 5
7 8
A=
1
4
7
3
6
9
Ejemplo
" d1
d1 = 45
" d1(10)
6
7
ans = 6
2
5
17
3
6
9
7
6
8
5
9
4
Modificamos la componente 10 del vector d1: sta es reemplazada por la suma de la primera y la dcima componente.
" d1(10)=d1(1)+d1(10)
8 9 9
8
7
d1 = 4
10
5
5
4
334
17
2
5
8
0
0
0
3
6
9
0
0
0
0
0
0
1
0
0
0
0
0
1
1
1
0
0
0
1
1
1
1
1
" B1=B(2:4,:)
Escribimos el dos para la fila inicial, el cuatro para la final, si
no se escribe el incremento, MATLAB asume que es uno.
B1 =
4 5
7 8
0 0
6
9
0
0
0
1
0
0
1
0
0
1
335
" B2=B(:,1:2:6)
Para la submatriz B2, escribimos uno para que comience en
la primera columna, incrementndose de dos en dos, a lo ms
hasta la sexta columna:
B2 =
1 3
4 6
7 9
0 0
0 0
0 0
0
0
0
1
1
1
5])
5], [2 3
4])
336
7
8
9
" C = A+B
C=
2 6 10
6 10 14
10 14 18
" a =4: 9
" b =9: -1: 4
"c=a+b
" d1= 3*a-2*b
" [1 1 1]/3
6
7
7
6
13
13
4
9
0,3333
a=
b=
c=
d1 =
ans =
4
5
9
8
13
13
-6
-1
0,3333
8
9
5
4
13
13
14
19
0,3333
337
" D=A*B
D=
14 32 50
32 77 122
50 122194
El producto interior de dos vectores puede obtenerse de la
siguiente manera:
" d2=a*b'
d2 = 236
" d5=[2
d5 =1
" A.*B
ans =
1 8
8 25
21 48
2
4
2
2
4].*[1 1/2
1
1
2].^[0 1
8
1/3
1
2
1/4] d4 = 1
3]
21
48
81
Anlisis de datos
Las matrices son usadas de manera natural por MATLAB para
analizar datos. Por convencin el conjunto de datos se almacenan
338
Descripcin
bar(x)
corrcoef(x)
cov(x)
cumprod(x)
cumsum(x)
diff(x)
hist()
mean(x)
median(x)
prod(x)
rand(x)
randn(x)
sort(x)
std(x)
sum(x)
Diagrama de barras
Coeficientes de correlacin
Matriz de covarianza
Producto acumulado de columnas
Suma acumulado de columnas
Calcula las diferencias entre elementos
Histograma
Valor medio de columnas
Valor de la mediana de las columnas
Producto de elemtos en columnas
Nmeros aleatorios distribuidos uniformemente
Nmeros aleatorios distribuidos normalmente
Ordena columnas en orden ascendente
Desviacin estandar de columnas
Suma de elementos de cada columna
Ejemplo
Supongamos que la siguiente matriz represente a cuatro
variables (columnas) y 3 individuos (filas).
A=[
2 7 4 7
6 4 6 1
4 0 7 4]
>>mean(A) nos da la media aritmtica de cada una de las
variables
ans = 4.0000 3.6667
5.6667
4.0000
>> sum(A) nos da la suma de los valores de cada variable
ans = 12
11
17
12
339
sort(A)
ans =
2 0 4 1
4 4 6 4
6 7 7 7
>> cov(A) proporciona la matriz de covarianzas de las tres
variables
ans =
4.0000
-3.0000
2.0000
- 6.0000
-3.0000
12.3333
-5.1667
4.5000
2.0000
-5.1667
2.3333
-3.0000
-6.0000
4.5000
-3.0000
9.0000
Nmeros aleatorios
Nos sirven para simular un problema complejo.
Los nmeros aleatorios que tienen la misma probabilidad
de ser elegidos entre un lmite superior y uno inferior se denominan nmeros aleatorios uniformes.
MATLAB mediante la funcin rand genera nmeros aleatorios distribuidos uniformemente en el intervalo [0,1], la sintaxis es:
rand (n) %matriz de orden n de entradas entre 0 y 1.
rand(m,n) %matiz de orden m por n
Para obtener una sucesin de nmeros aleatorios se utiliza
el valor de una semilla el valor de este semilla inicialmente es
cero, pero se puede cambiar con la funcin seed
rand('seed', n) %asigna n como valor de la semilla
rand('seed'),%devuelve el valor actual de la semilla del generador de nmeros aleatorios.
Las sucesiones aleatorias que tienen algunos valores con
mayor probabilidad de ocurrir que otros pueden modelarse con
nmeros aleatorios normales.
MATLAB genera valores gaussianos con una media de cero
y una varianza de 1.0 en [0,1], mediante:
randn(m)
randn(m,n)
340
Ejemplo
y=randn(1500,1); % genera 1500 nmeros aleatorios con distribucin normal de media
cero y varianza 1.
hist(y) % dibuja un histograma de 10 barras para los datos
del vector y.
Ejemplo
x=-2.9:0.1:2.9
y=randn(1000,1),
hist(y, x);
50
45
40
35
30
25
20
15
10
5
0
-3
-2
-1
341
escribimos help +, matlab nos muestra todo acerca de las operaciones aritmticas y otras relaciones ms; en cambio help help
nos explica que es lo que hace help.
Vea que es lo que hace un solo help.
Si no conocemos exactamente el nombre del comando pero sabemos por ejemplo que esta relacionado con los nmeros complejos escribimos lookfor complex, matlab nos muestra una lista de
comandos que est relacionado con los complejos. Escriba lookfor
fourier y lea lo matlab muestra en pantalla.
Los comandos who y whos
Nos muestra en pantalla las variables que estamos utilizando en
sta sesin de Matlab.
Los comandos save y load
Si queremos conservar la matriz A para usarla en la siguiente sesin escribir save A y A es guardada en un archivo de extensin
mat, para recuperarla en la siguiente sesin escribir load A.mat
El comando intro
Hace un paseo de demostracin, muestra lo que matlab puede
ofrecer. Digite intro y disfrute de este paseo. Puede recorrer tambin por demo, para ello digite demo.
Para averiguar que es lo que hacen algunos de los comandos
que nos muestra intro, por ejemplo plot, grid, etc digite:help plot,
help grid.
El comando %
Sirve para escribir comentarios, lo que sigue despues del % en
toda esa lnea, matlab no lo ejecuta.
342
Archivos M
Cuando un programa tiene comandos que ocupan varias lneas
es conveniente usar los archivos.m, funcionan como macrocomandos matlab, lo pensamos como programas escritos en lenguaje matlab, pueden guardarse en disco y corregirse tantas veces como sea necesario. Incluye cualquier cosa que el usuario
pueda escribir directamente en la ventana de comandos.
Estos archivos.m son de dos clases: los archivos.m de guin
y los archivos.m de funcin.
Los archivos.m de guin es una lista de comandos matlab,
que pueden operar con datos que existen en el espacio de trabajo
y pueden crear nuevos datos para seguir operando, pueden llamar a otros archivos.m, Cualquier variable que ellos han creado
permanecen en el espacio de trabajo y pueden ser usadas en los
clculos que siguen.
Los archivos.m de funcin aceptan argumentos en la entrada y retornan argumentos en la salida. El nombre del archivo y el
nombre de la funcin deben coincidir.
Para empezar de un clic con el ratn en file, se despliega un
men, elija new y haga un clic y por ltimo clic en M-file, matlab
nos mostrar una ventana como la siguiente:
343
Al que llamar ventana del archivo.m, en sta ventana podemos empezar digitando, en la primera linea:
function y = nombre_archivo( x)
donde y es el argumento de salida y x el argumento de entrada,
tanto x como y pueden ser una matriz, un vector o un nmero
indistintamente.
En la segunda linea puede digitarse un comentario acerca
de lo que hace ste archivo.
Ambos procedimientos tanto para crear un archivo.m de
funcin como el de un archivo.m de guin, es el mismo, as tambin para guardar el archivo.
fi
Fi
0
1
2
4
5
2
11
11
3
3
2
13
24
27
30
Definir una funcin de distribucin de frecuencias acumuladas de una variable discreta al que llamaremos funcin esklra
Comenzando el procedimiento, con el ratn:
file clic
new clic
M-file clic
344
345
Cada vez que modificamos (corregimos) un archivo.m tenemos que avisar a matlab, guardando este archivo del modo
siguiente, con el ratn:
file clic
save clic
Nuevamente ya est listo para su ejecucin
El procedimiento para construir un archivo.m de guin es el
mismo que el de archivo.m de funcin solo se diferencian en la
primera lnea, digite % y luego un comentario acerca de lo que
hace este archivo.m, de modo tal que si se digita en la ventana de
comandos:
help nombre_archivo,nos mostrar este comentario.
Luego de digitado el programa en la ventana del archivo.m,
tiene que guardarlo con un nombre adecuado de modo que nos
sugiera lo que ese archivo resuelve. Para ello en la ventana del
archivo.m de un clic en file, en el men desplegado de un clic en
save as nos mostrar una tercera ventana: guardar como; escribir el nombre del archivo con la extencin.m y buscar matlab
para guardarlo. Ya est listo para ser usado.
Ejemplo Hacer la grfica de la funcin eskalra del ejemplo
anterior.
Comenzamos el proceso abriendo la ventana de archivos.m
para ello con el ratn clic en files, clic en new y por ltimo clic en
M-files, aparecer una ventana en el que digitamos
% para graficar la funcin escalera, necesitamos el archivo
esklra
clear, clf,
for jj=0:1:5;
j=1;
for xx=jj:.01:jj+.99;
ww=esklra(xx);
xxx(j)=xx;
www(j)=ww;
346
j=j+1;
end
hold on
plot(xxx,www)
clear xxx www;
end
hold on;
x=[1 2 4 5];
a= [2 13
24
plot(x,a,'o');
x=[0 1 2 4 5];
a=[2 13 24 27 30];
plot(x,a,'.')
axis([0 6 0 35])
hold off;
27];
Escrito todos los comandos lo guardamos con algn nombre, recuerde: clic en files, clic en save as y reemplazar en Untitle
(por ejemplo) por gr_esc.m, en este caso est listo para ser ejecutado, digitando en la ventana de comandos gr_esc (sin la extensin), nos mostrar el grfico de la escalera.
35
30
25
20
15
10
5
0
347
Ejemplo. Hacer el grfico de una distribucin de frecuencias acumuladas de una variable continua, como la siguiente:
Intervalos
174 -196
196 - 218
218 - 240
240 - 262
262 - 284
284 - 306
306 -328
328 -350
fi
Fi
2
7
10
23
38
11
5
4
2
9
19
42
80
91
96
100
42
19
9
2
196
348
219
240
262
284
306
328
360
Ejemplo. Para la misma tabla de frecuencias, hacer el grfico del un polgono de frecuencias absolutas.
clear,clf,
X1=[174 196 196 218 218 240 240 262 262 284 284 306 306
328 328 350];
for k=1:2:15
pt_me((k+1)/2)=(X1(k)+X1(k+1))/2;
end
Y3=[0 2 7 10 23 38 11 5 4 0];
pt_me=[163,pt_me,361];
plot(pt_me,Y3)
hold on
plot(pt_me,Y3,'.')
hold off
X=[163 174 196 218 240 262 284 306 328 350 361];
set(gca,'xtick',X)
40
35
30
25
20
15
10
5
0
218
240
262
284
306
349