Ejercicio 2

4)
Generamos con la función normrnd el código que nos genere muestras aleatorias
clc
clear
p=0;
n=0;
a=input('numero de muestras:');
b=input('desviacion estándar:');
c=input('media:');
r1 = normrnd (c,b,a,1);
for j=1:1:a
p=p+r1(j);
end
m=p/a;
for i=1:1:a
n=n+((r1(i)-m)^2);
fpm(i)=(1/(sqrt(2*pi*(b^2))))*(exp((-(i-m)^2)/(2*(b^2))));
end
v=n/a;
s=sqrt(v);
stem(fpm)
disp ('la media es:');
disp(m)
disp ('sigma es:');
disp(s)

donde obtenemos como resultado compilado los siguientes datos y graficas:

fpm gaussiana

5)
Código y procedimiento similar al anterior para la distribución exponencial donde
solo es afectada por λ, que es un valor el cual afecta a la función en su manera de tender a
cero, prolongando su tendencia a cero
clc
clear
p=0;
a=input('numero de muestras: ');
b=input('landa:');
r1 = exprnd (b,1,a);
for j=1:1:a
p=p+r1(j);
end
m=(p/a);
l=1/m;
for j=1:1:a
fpm(j)=l*exp(-l*j);
end
stem(fpm)
donde obtenemos como resultado a la compilación de este código:
fpm distribución exponencial
Código y procedimiento similar al anterior para la distribución gamma donde λ
afecta esta función igualmente que en la exponencial, pero adicionalmente α fija la
tendencia de la probabilidad de esta función.

clc
clear
p=0;
n=0;
a=input('numero de muestras: ');
b=input('landa');
c=input('alfa');
r1 = gamrnd (c,b,a,1);
for j=1:1:a
p=p+r1(j);
end
m=p/a;
for i=1:1:a
n=n+((r1(i)-m)^2);
end
v=n/a;
l=m/v;
d=m*l;
for j=1:1:a
fpm(j)= (1/(gamma(d)))*(l*exp(-l*j))*((l*j)^(d-1));
end
stem(fpm)
donde obtenemos como resultado a la compilación de este código:
fpm distribución gamma
6)
(a) Distribución Weibull
b) distribución beta

La distribución beta, β(a,b, p,q) , se utiliza como modelo probabilístico en un gran

número de problemas económicos: fidelidad a una marca, análisis de inversiones ,
valoración, duración de un trabajo complejo.

Ejemplo : La proporción media de tubos defectuosos es del 20%. Dicha proporción se
modeliza como una b(p,8).  Calcular p.

Sabemos que E(X)=0.2 = p / (p+8), de donde p=2.

c) Distribución Pareto
 tiene aplicación en disciplinas como la sociología, geofísica y economía.1 En algunas
disciplinas a veces se refieren a la ley de Bradford. Por otro lado, el equivalente discreto de
la distribución Pareto es la distribución zeta (la ley de Zipf).

Ejemplo: Sea X una variable con distribución de Pareto(a, x0). Calcular su coeficiente de

variación y la mediana.

Conocemos las expresiones de la media y de la varianza, por lo

que  , observemos que dicho coeficiente no

depende del segundo parámetro, sólo lo hace de a.
Para la mediana, se tiene que  , de donde resulta
que  .

d) distribución log-normal
Ejemplo : Los ingresos de los habitantes de un municipio siguen una distribución
logarítmico normal de parámetros 3 y 2. ¿Qué porcentaje de individuos se encuentra entre
70 y 150?

La variable X sigue una LN(3,2), se pide entonces,

Esto es, el 10.89% de los individuos de ese municipio tienen ingresos entre 70 y 150.