5 Colombia de
creativecommons. Para ver una copia de esta licencia, visite
http://creativecommons.org/licenses/by/2.5/co/ o envié una carta a
creative commons, 171second street, suite 30 San Francisco, California
94105, USA
ANALISIS ESTADISTICO EN
MATLAB
Autores:
Analista de Infraestructura
y Comunicaciones: Adelaida Amaya
Analista de Sistemas de
Información: Álvaro Palacios Villamil
Líder de Gestión de
Recurso Humano: Islena del Pilar González
Auxiliares de Investigación:
Adriana Lucia Castelblanco Liliana Paola Rincón
Alexis de Jesús Moros Luis Alfonso Nieto
Andrés Ricardo Romero Luz Karina Ramos
Brayan Ricardo Rojas Maria Teresa Mayorga
Carlos Hernán Porras Martha Rubiela Guevara
Catherine Cruz Pinzón Miller Giovanny Franco
Cristian Gerardo Gil Nubia Yolima Cucarian
Daniel Alejandro Melo Rafael Leonardo Saavedra
Diana Patricia García Sandra Liliana Barrios
Diego Fernando Rubio Sandra Milena Cardenas
Edwin Montaño Sandra Mónica Bautista
German David Riveros Sonia Janeth Ramírez
Guillermo Alberto Ariza Yaneth Adriana Cañón
Héctor Javier Cortés Juan Felipe Rincón
Leydy Johana Poveda Leidy Viviana Avilés
TABLA DE CONTENIDO
TABLA DE CONTENIDO ................................................................................................................ 3
1. RESUMEN ................................................................................................................................ 5
2. ABSTRACT .............................................................................................................................. 5
3. INTRODUCCIÓN.................................................................................................................. 7
Objetivo ............................................................................................................................................... 7
Justificación .......................................................................................................................................... 7
Introducción ..................................................................................................................................... 38
Principales Funciones Utilizadas En Matlab Para Gráficas ...................................................... 38
7. PROBABILIDAD ................................................................................................................ 63
1. RESUMEN
2. ABSTRACT
This work tried to present some basic functions handled in the statistical
Toolbox, in order to use in the greater possible measurement, the tools
provided by software and to adapt them to the present necessities in
the statistical area, complementing the Software‟s basic characteristics,
with the presented ones in previous investigations, the present
investigation and the future investigations possible in the program.
3. INTRODUCCIÓN
Objetivo
Este trabajo se desarrolla con el objeto de continuar la investigación que
se viene realizando en la UIFCE con miras a ampliar el campo de
aplicación del programa MATLAB a las ciencias económicas, en este caso
con un énfasis estadístico, disponible en un paquete específico -
Statistics Toolbox- . Teniendo en cuenta lo mencionado con
anterioridad, se considera de gran importancia avanzar en este sentido
para llegar a consolidar un nivel adecuado en la aplicación de este
software que garantice la óptima utilidad del mismo.
Justificación
Durante el desarrollo de las carreras de la facultad de ciencias
económicas se destaca la gran importancia del manejo y el
procesamiento de datos de tal forma que nos permitan establecer
conclusiones fiables que se acerquen en gran medida a las situaciones
reales, es por esta razón que se considera de gran importancia
establecer un uso adecuado de un software, como MATLAB y
específicamente del Statistics Toolbox, que facilite este proceso de
análisis de datos y además permita complementar un proceso de
conocimiento en el área de la estadística.
4. STATISTICS TOOLBOX
INVESTIGACIÓN
Estadística Descriptiva
Mean ()
Ejemplo a = [1:10]
Media = 5.5000
b = [1 2 3; 7 5 6; 4 5 6; 8 9 1]
m_filas = [2
5
6]
Nota
Geomean ()
Ejemplo a = [1:10]
m_geometrica = 4.5287
Nota
Media aritmética > Media geométrica
mean (x) > geomean(x)
Harmmean ()
Ejemplo a = [1:10]
m_armonica = 3.4142
y = 20
m_ajustada = 5.5000
b = [1 2 3 7 5 6 4 5 6 8 9 1]
z = 10
m_ajustada = 5.5000
Ejemplo b = [1 2 3; 7 5 6; 4 5 6; 8 9 1]
mx = max(b) mi = min(b)
mx = [8 9 6] mi = [1 2 1]
mxf = [ 3 mif = [ 1
7 5
6 4
9 ] 1 ]
Nota
nanmax() ; nanmin ()
Median ()
Ejemplo a = [1:10]
Mediana = 5.5000
b = [1 2 3; 7 5 6; 4 5 6; 8 9 1]
mediana_fil = [2
Nota
Std ()
Ejemplo a = [1:10]
b = [1 2 3; 7 5 6; 4 5 6; 8 9 1]
1.0000
1.0000
4.3589 ]
Nota
Var ()
Descripción Calcula la varianza de una muestra específica, es igual al
cuadro de la desviación estándar corregida.
var (a,1)
- Si a es un vector, retorna la varianza sin corregir
de los valores, mientras si a es una matriz,
retorna la varianza sin corregir de cada columna.
Ejemplo a = [1:10]
Varz = 9.1667
b = [1 2 3; 7 5 6; 4 5 6; 8 9 1]
Nota
Varianza corregida: [ std(x) ] 2= var(x)
Varianza sin corregir: [ std(x,1) ] 2 = var(x,1)
Range ()
rango = 9
b = [1 2 3; 7 5 6; 4 5 6; 8 9 1]
ran = [ 7 7 5]
Iqr ()
Ejemplo a = [1:10]
R_ intercuartil = 5
b = [1 2 3; 7 5 6; 4 5 6; 8 9 1]
Prctile ()
a p Prctile (a , p)
Nota
Percentil 50 = Mediana
Ejemplo a = [1:10]
b = [25 50 75]
c = [1 2 3; 7 5 6; 4 5 6; 8 9 1]
d = [25 50 75]
Quantile ()
Nota
Prctile( x , 50) = quantile (x, .50) = mediana
Ejemplo a = [1:10]
Q5 = 5.5000
b = magic(3)
b = [8 1 6
3 5 7
4 9 2]
MedianaC = [ 4 5 6]
MedianaF = [ 6
4 ]
Skewness ()
La oblicuidad (obl.) es una medida de asimetría de las muestras con distribución normal, se mide a
partir de la media.
Si obl. < 0, entonces la mayoría de los datos se encuentran a la izquierda de la media;
. Si obl.> 0, entonces la mayoría de los datos se encuentran a la derecha de la media; y
Si obl. = 0, entonces la muestra corresponde a una distribución normal con perfecta simetría.
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONÓMICAS
UNIDAD DE INFORMÁTICA Y COMUNICACIONES
25
ANALISIS ESTADISTICO EN MATLAB
kurtosis ()
k=kurtosis (a)
tabulate ()
Ejemplo a = [4 1 4 4 2 3 4 3 1 2]
tabla =
1 2 20.00%
2 2 20.00%
3 2 20.00%
4 4 40.00%
mad ()
Si flag = 0 :
- Si a es un vector, calcula la desviación absoluta
media de los valores.
- Si a es una matriz, calcula la desviación absoluta
media de cada columna.
Si flag = 1:
- Si a es un vector, calcula la desviación absoluta
mediana de los valores.
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONÓMICAS
UNIDAD DE INFORMÁTICA Y COMUNICACIONES
27
ANALISIS ESTADISTICO EN MATLAB
- Si a es una matriz, calcula la desviación absoluta
medina de cada columna.
Ejemplo a = [1:10]
DesvAbs = mad(a)
DesvAbs = 2.5000
b = [1 2 3; 7 5 6; 4 5 6; 8 9 1]
daf =[ * * *]
Nota
Para una distribución normal 'mad ()' es menos eficiente que la desviación estándar 'std()' como medida de dispersión.
moment ()
Descripción Devuelve los momentos centrales de cualquier orden (k).
Ejemplo a = [1:10]
DesvAbs = mad(a)
DesvAbs = 2.5000
b = [1 2 3; 7 5 6; 4 5 6; 8 9 1]
daf =[ * * *]
cov()
[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]
corr()
RHO = corr(a,b)
- Genera una matriz de correlación entre las dos
matrices, las dimensiones de a deben ser
iguales a las de b.
(por defecto)
Ejemplo a = [1 2 3; 7 5 6; 4 5 6; 8 9 1]
Rho = corr(a)
b=[1 2 3; 4 5 6; 7 8 9; 10 11 12]
RHO = corr(a)
RHO = [ 1 1 1
111
111]
corrcoef()
[R,P,RLO,RUP]=corrcoef(...)
[...]=corrcoef(...,'param1',val1,'param2',val2,...)
-Parámetros adicionales
Parámetros Descripción
crosstab()
Ejemplo
a=[1 2 3 4 5 6 7 8 9 10 ]
%Código de diez estudiantes
b=[2 4 4 3 1 5 3.5 2.5 3 2]
%Nota para los diez estudiantes respectivamente
tabla = crosstab(a,b)
tabla = [ 0 1 0 0 0 0 0
0 0 0 0 0 1 0
0 0 0 0 0 1 0
0 0 0 1 0 0 0
1 0 0 0 0 0 0
0 0 0 0 0 0 1
0 0 0 0 1 0 0
0 0 1 0 0 0 0
0 0 0 1 0 0 0
0 1 0 0 0 0 0 ]
Alumno
1 0 1 0 0 0 0 0
2 0 0 0 0 0 1 0
3 0 0 0 0 0 1 0
4 0 0 0 1 0 0 0
5 1 0 0 0 0 0 0
6 0 0 0 0 0 0 1
7 0 0 0 0 1 0 0
8 0 0 1 0 0 0 0
9 0 0 0 1 0 0 0
10 0 1 0 0 0 0 0
grpstats ()
'mean' Promedio
'var' Varianza
bootstr ()
Nota
El Bootstrap es una metodología estadística que a tenido gran aplicación en los últimos años, y
consiste en obtener nuevas muestras con características similares a una primera muestra real (raíz),
y partir de los estadísticos de todas las muestras generadas establecer conclusiones mas precisas.
B1 = bootstr(3,‟size‟,a)
B1 = [ 5 1
5 1
5 1 ]
B2 = bootstr(3,‟mean‟,a)
B2 = [ 2.6000
2.2000
3.8000 ]
1
Ciro Martínez Bencardino, ESTADISTICA
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONÓMICAS
UNIDAD DE INFORMÁTICA Y COMUNICACIONES
38
ANALISIS ESTADISTICO EN MATLAB
RANDTOOL
TAMAÑO DE LA
MUESTRA
FUNCIONES DE
DISTRIBUCION
Limite superior e
inferior de los
datos
generados.
FIGURA 1
DISTTOOL
Esta función permite generar de forma interactiva diagramas de
diferentes distribuciones de probabilidad. La interfaz generada por esta
función permite escoger entre dos tipos de diagramas, el de cdf
(genera una función distribución acumulativa elegida) o el de pdf
(Función de densidad de probabilidad para una distribución especificada)
y al igual que la función presentada con anterioridad permite realizar
modificaciones a los parámetros relacionados con las características de
la misma interfaz generada.
TIPO DE
FUNCION
FUNCIONES DE
DISTRIBUCION
FUNCION TIPO
CDF O PDF
VALOR DE
LA FUNCION
VALOR DE X
Limite superior
e inferior de los
datos
generados.
Lsline
Descripción
lsline
x = lsline
Ejemplo
X = randn (20,1)
plot (X,‟+‟)
1.5
0
Generada por la función
-0.5
-1
-1.5
-2
-2.5
0 2 4 6 8 10 12 14 16 18 20
FIGURA 3
Cdfplot
Descripción
cdfplot (X)
h = cdfplot(X)
stats values
min: -1.7613
max: 2.7922
mean: -0.1579
median: -0.3096
std: 0.9138
0.9
0.8
0.7
0.6
F(x)
0.5
0.4
0.3
0.2
0.1
0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5
x
FIGURA 4
Boxplot
Descripción Diagrama de caja de una muestra de los datos
Sintaxis
'symbol' Símbolo para usar fuera del limite del grafico (por
defecto es r+')
Ejemplo
load carsmall
24
22
20
18
Values
16
14
12
10
70 76 82
5
Values
0
1 2
Column Number
Las " barbas" son líneas 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 ningún afloramiento, el
máximo de la muestra es la tapa de la barba superior. El mínimo
de la muestra es el fondo de la barba más baja. Por defecto, los
datos que se encuentran por fuera de los bigotes son más de 1,5
veces la gama interquartile que se encuentran fuera de los límites
de la caja.
Qqplot
Descripción Un diagrama del quantile-quantile es útil para determinarse
si dos muestras vienen de la misma distribución (si está
distribuido normalmente o no).
18
16
14
Y Quantiles 12
10
0
6 8 10 12 14 16 18 20 22 24 26
X Quantiles
0.7
0.6
0.5
0.4
Y Quantiles
0.3
0.2
0.1
-0.1
-0.2
7 7.5 8 8.5 9 9.5 10 10.5 11 11.5 12
X Quantiles
Gname
Descripción Etiqueta los puntos trazados con el respectivo nombre o
número, según el caso. Los datos que se ingresan para
utilizar a función deben ser datos que se encuentren
relacionados con un nombre específico, es decir que cada
punto al interior de la grafica corresponda a un nombre en
especial. Si se pulsa una vez un punto al interior de la gráfica,
automáticamente el grafico muestra el nombre al que
corresponde el punto seleccionado.
Load cities
gastos = ratings(:,1);
ingresos= ratings (:,4);
plot(Gastos, Ingresos,'+')
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
Descripción Agregue una línea de referencia a la gráfica actual.
refline(slope)
- agrega la línea de referencia al gráfico, y
utilizando únicamente la pendiente.
Ejemplo
refline(1,3)
refline(0.5,3)
refline(2,3)
refline(0,2)
REFLINE
14
12
10
1 2 3 4 5 6 7 8 9 10 11
Gscatter
Diagrama de la dispersión del grupo
Sintaxis
- gscatter(x, y, g)
- gscatter(x, y, g, ' clr ', ' sym ', siz, ' doleg ') controla si la
leyenda es mostrada en el gráfico ('doleg' = 'on', por
defecto) o no ('doleg' = 'off').
- gscatter(x, y, g, ' clr ', ' sym ', siz, ' doleg ', 'xnam',
'ynam ') especifica el nombre para utilizar en las etiquetas
del eje X y el eje Y. Si las etiquetas par x y Y son omitidas,
por defecto se coloca en el gráfico el nombre de las
variables.
Ejemplo
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONÓMICAS
UNIDAD DE INFORMÁTICA Y COMUNICACIONES
54
ANALISIS ESTADISTICO EN MATLAB
El siguiente ejercicio consistirá en realizar un diagrama de
dispersión para dos grupos el de salud y el de condiciones
económicas agrupándolas por medio de la información de la
columna group. Para ello se deben ingresar los siguientes
comandos:
scatter(ratings(:,3),ratings(:,9),group,'rk','.*')
DIAGRAMA DE DISPERSION
10000
1
2
9000
CONDICION ECONOMICA
8000
7000
6000
5000
4000
3000
0 1000 2000 3000 4000 5000 6000 7000 8000
SALUD
Hist
Descripción Grafico de histograma
Sintaxis
- hist(y)
Grafica un histograma con diez barras para los valores
contenidos en el vector y. las barras están igualmente
espaciados entre el valor mínimo y máximo que toma la
variable.
- hist(y, nb)
Las letras nb representan el número de barras que
queremos sean colocados en el gráfico final.
- hist(y, x)
Ejemplos
Hist (y)
HISTOGRAMA
150
100
50
0
-1.5 -1 -0.5 0 0.5 1 1.5 2
y= normrnd(0,1,1500,1);
x= -4.5:0.7:4.5;
hist(y,x)
180
160
140
120
100
80
60
40
20
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
Errorbar
Descripción Grafica las barras de error a lo largo de una curva.
Sintaxis
- errorbar(X,Y,L,U,symbol)
- errorbar(X,Y,L)
Ejemplo
ERRORBAR
20
15
10
-5
0 1 2 3 4 5 6 7 8 9 10
Ecdfhist
Propósito
- n = ecdfhist(f, x, m)
En este caso m es un número escalar y
representa el numero de barras que deseamos
aparezcan en el gráfico. n = ecdfhist(f, x, c)
- n = ecdfhist(f, x, c)
En este caso c es un vector, que permite centrar
las barras específicamente en c.
- [n, c] = ecdfhist(...)
Devuelve la posición de las barras centradas en c.
- ecdfhist(...)
Sin argumentos produce un histograma de barras
de los resultados.
Ejemplo
[f,x] = ecdf(t,'censoring',censored);
ecdfhist(f,x);
% Superimpose a plot of the known true pdf
hold on;
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONÓMICAS
UNIDAD DE INFORMÁTICA Y COMUNICACIONES
59
ANALISIS ESTADISTICO EN MATLAB
xx = 0:.1:max(t); yy = exp(-xx/10)/10; plot(xx,yy,'g-
');
hold off;”2
ECDFHIST
0.1
0.09
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
0 5 10 15 20 25
GPLOTMATRIX
Descripción Matriz diagramas de dispersión por grupo.
Sintaxis -gplotmatrix(x,y,g)
2
Tomado de MATLAB \ ESTATISTICS Toolbox\ HELP \ ecdfhist
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONÓMICAS
UNIDAD DE INFORMÁTICA Y COMUNICACIONES
60
ANALISIS ESTADISTICO EN MATLAB
- gplotmatrix(x,y,g,'clr','sym',siz)
- gplotmatrix(x,y,g,'clr','sym',siz,'doleg')
-gplotmatrix(x,y,g,'clr' 'sym',siz,'doleg','dispopt')
- gplotmatrix(x,y,g,'clr','sym',siz,...
'doleg','dispopt','xnam','ynam')
Ejemplo
load discrim
1
transportation
8000 2
6000
4000
2000
3500
education
3000
2500
2000 x 104
4
arts
0
4000
recreation
2000
7. PROBABILIDAD
n x 1 x
y f x n, p p q , x 0,1, ,...n
x
n n!
Donde: x = [0 n] , p = [0 1] , q = 1- p y .
x x!n x !
Binofit ()
p = 0.4000
a = [2 4 6 8] %Probabilidad de a/8
p1 = binofit (a, 8)
a = [2 4 6 8] %Probabilidad de a/n
n = [4 8 12 16]
p1 = binofit (a, n)
Binocdf ()
n
y F x n, p p i q 1i , i 0,1, ,...n
x
i 0 x
p = 0.8704
Binopdf ()
n
y f x n, p p x q 1 x , x 0,1, ,...n
x
p = 0.3456
Binoinv ()
p = 0.3456
x=2
Intentos = 120
exitos = [ 51 69 ]
Binornd ()
x = binornd (n ,0.6)
Binostat ()
m = 2.4000 %Media
v = 0.9600 %Varianza
Nota
x
y f x e , x 0,1,...
x!
poissfit ()
1 n
̂ xi
n i1
Ejemplo c = magic(3)
c=[8 1 6
3 5 7
4 9 2 ]
[d , intervalo ] = poissfit(c)
d=[5 5 5]
a = [1:10 ; 2:2:20]
a = [1 2 3 4 5 6 7 8 9 10
2 4 6 8 10 12 14 16 18 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 ()
i
p F x e
floor( x )
i 0 i!
Ejemplo
a. A lo mucho 5 tornados?
P(X≤5) entonces a = poisscdf(5 , 8) = 0.1912
b. Entre 6 y 9 tornados?
P(6≤X≤9) entonces b = poisscdf(9 ,8)- poisscdf(6 ,8)
= 0.7166 - 0.3134
= 0.4032
Poisspdf ()
x
y f x e , x 0,1,...
x!
Ejemplo
a. exactamente 5 tornados ?
P(X=5) entonces a = poisspdf (5 , 8) = 0.0916
Poissinv ()
X = poissinv (0.1912 , 8) = 5
X = poissinv (0.812 , 8) = 10
Poissrnd ()
x = [2
4]
Media = 4.8333
Poisstat ()
m = 8.0000 %Media
v = 8.0000 %Varianza
Nota
K M K
y f x M , K , n x n x
M
n
hygecdf ()
K M K
y f x M , K , n i n i
x
i 0 M
n
Ejemplo
p = hygecdf(3,100,20,10)
p = 0.8904
Hygepdf ()
K M K
y f x M , K , n x n x
M
n
Sintaxis p = hygepdf (x,M,n,K)
- Calcula el valor para la distribución
hipergeométrica para los respectivos parámetros,
donde x,M,n,k pueden ser un vector o una matriz.
- Donde M,n,k deben ser enteros positivos.
Ejemplo
p2 = hygepdf(0:3,100,20,10)
suma = 0.8904
Hygeinv ()
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 ()
Ejemplo x = hygernd(1000,40,50)
x=2
x = hygernd(1000,40,50,2,3)
X=[3 4 2
2 2 3]
hygestat ()
[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 ECONÓMICAS
UNIDAD DE INFORMÁTICA Y COMUNICACIONES
79
ANALISIS ESTADISTICO EN MATLAB
m = [ 2.7000 ] %Media
v = [ 0.2100 ] %Varianza
Nota
NK
Para una distribución Hipergeometrica: - La media es: med =
M
K M K M N
- La varianza es: var = N
M M M 1
X ~ N , 2
x 2
y f x ,
1 2 2
e
2
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONÓMICAS
UNIDAD DE INFORMÁTICA Y COMUNICACIONES
80
ANALISIS ESTADISTICO EN MATLAB
normcdf ()
t 2
x
y f x ,
1 2 2
2 e
dt
Ejemplo
0 y 1.
mu = 0; sigma=1;
X = 0.5000
Y = 0.1587
Z = 0.8413
mu = 0; sigma=1;z=(-3:0.1:3);
Tabla = [z ; X]
Normpdf ()
x 2
y f x ,
1 2 2
e
2
a = [-3:0.01:3];
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
-3 -2 -1 0 1 2 3
norminv ()
xx = [ -2.3263 1.7507 ]
X1 = [ -1.6449 1.6449 ]
X2 = [ -2.5758 2.5758 ]
Normrnd ()
Ejemplo x = normrnd(0,1,3)
x = normrnd(0,1,2,5)
x = normrnd(5,0.5,1,5)
Normstat ()
m=[0]
v=[1]
n = 1:3 m= [ 1 2 ; 3 4]
n = [1 2 3] m=[1 2
3 4 ]
[m,v] = normstat(n , n)
m= [1 2 3 ] [m,v] = normstat(m, m)
v= [1 4 9 ] m=[1 2
3 4]
v=[1 4
9 16 ]
Nota
Ejemplo
muestra = normrnd(15,2,10,1)
muestra = 15.9710
14.9900
14.4476
18.7268
13.9549
15.2068
13.3847
16.3609
10.2708
[mu,sigma,muint,sigmaint] = normfit(muestra)
mu = 15.0866
sigma = 2.3462
muint = 13.4083
16.7650
sigmaint = 1.6138
4.2832
Normplot()
muestra = normrnd(0,1,10,2)
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
0.75
Probability
0.50
0.25
0.10
0.05
x = normrnd(0,1,50,1);
0.99
0.98
0.95
0.90
0.75
Probability
0.50
0.25
0.10
0.05
0.02
0.01
normspec()
Ejemplo
a. antes de 0.5
a = normspec([-Inf 0.5],0,1)
a = 0.6915
0.35
0.3
0.25
Density
0.2
0.15
0.1
0.05
0
-4 -3 -2 -1 0 1 2 3 4
Critical Value
a. después de - 0.3
b = normspec([-0.3 Inf],0,1)
b= 0.6179
0.35
0.3
0.25
Density
0.2
0.15
0.1
0.05
0
-4 -3 -2 -1 0 1 2 3 4
Critical Value
c = 0.3094
0.35
0.3
0.25
Density
0.2
0.15
0.1
0.05
0
-4 -3 -2 -1 0 1 2 3 4
Critical Value
P = normspec([10 Inf],11.5,1.25)
P = 0.89849
0.3
0.25
0.2
Density
0.15
0.1
0.05
0
7 8 9 10 11 12 13 14 15 16
Critical Value
x x
y f x a, b a
1 1
x a 1e b e b
b ( a ) b
y f x
1
e , donde µ es la media observada.
Expcdf ()
t
x x
y F x
1
e dt 1 e
0
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONÓMICAS
UNIDAD DE INFORMÁTICA Y COMUNICACIONES
95
ANALISIS ESTADISTICO EN MATLAB
Ejemplo
p = 0.8647
p = 0.1353
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONÓMICAS
UNIDAD DE INFORMÁTICA Y COMUNICACIONES
96
ANALISIS ESTADISTICO EN MATLAB
P= expcdf(10,5) - expcdf(5,5)
p = 0.8647 - 0.6321
p = 0.2325
Exppdf ()
y f x
1
e
Sintaxis p = exppdf (x,mu)
- Calcula el valor de la función para la distribución
normal con los respectivos parámetros, donde
x,mu pueden ser un vector o una matriz. mu debe
ser positivo.
Ejemplo
a. sea 10 segundos?
P(X=10) ›› p = exppdf (10,5) = 0.0271
b. sea 5 segundos?
P(X=5) ›› p = exppdf(5,5) = 0.0736
c. sea 3 segundos?
P(X=3) ›› p = exppdf(3,5) = 0.1098
a = [0:0.01:30];
y = exppdf(a,5);
plot (a,y)
0.2
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
0 5 10 15 20 25 30
Expinv ()
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 ()
x = normrnd (mu, v)
- Genera valores aleatorios en una matriz con
dimensiones v x v.
Ejemplo
m=[1 2 3 4 5 ]
v=[1 4 9 16 25 ]
Nota
expfit ()
Ejemplo
muestra = exprnd(5,10,1)
muestra = 2.4272
1.1664
0.4071
1.5177
4.5106
0.3335
0.4338
4.4547
0.5622
[mu,muint] = expfit(muestra)
mu = 2.4492
muint = 1.4335
5.1074
y f x a, b a
1
x a 1e b
b ( a )
gamcdf ()
t
x
p f x a, b
1 b
a 1
t e dt
b ( a ) 0
a
Ejemplo
a. menos de 30 minutos?
b. mas de 60 minutos?
c. entre 30 y 60 minutos?
= 0.5019
gampdf ()
y f x a, b a
1
x a 1e b
b ( a )
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
0
0 10 20 30 40 50 60 70 80 90 100
gaminv ()
Ejemplo
a. P = 0.3?
X = gaminv(0.3,5,7) = 25.4353
b. P = 0.5?
X = gaminv(0.5,5,7) = 32.6964
c. P = 0.9?
X = gaminv(0.9,5,7) = 55.9551
d. P = 0.4268?
%Comprobamos la respuesta obtenida en el ejemplo de
gamcdf.
X = gaminv(0.4268,5,7) = 30
gamrnd ()
Ejemplo x = gamrnd(5,7,3)
x = gamrnd(3,2,2,4)
Gamstat ()
m=[6]
v = [ 12 ]
m=[6 10 16 18 ]
v = [ 12 20 32 36 ]
Nota
Gamfit ()
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONÓMICAS
UNIDAD DE INFORMÁTICA Y COMUNICACIONES
109
ANALISIS ESTADISTICO EN MATLAB
Ejemplo
muestra = gamrnd(3,5,10,1)
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONÓMICAS
UNIDAD DE INFORMÁTICA Y COMUNICACIONES
110
ANALISIS ESTADISTICO EN MATLAB
muestra = 6.4338
28.5470
7.7809
18.1332
15.2054
7.1337
2.3030
12.8559
6.6668
19.0060
5.7782 12.2078 ]
x x
y f x a, b a
1 1
x a 1e b a x a 1e 2
b ( a ) 2 ( a )
v 2
y f x v v
x 2 e x2
2 2 ( v 2 )
chi2cdf ()
x v2
y F x v v
t 2 e t 2
dt
0 2 ( 2 )
2 v
Ejemplo
chi2pdf ()
y f x v v
x 2 e x2
2 2 ( v 2 )
Sintaxis p = exppdf (x,v)
- Calcula el valor de la función para la distribución
normal con los respectivos parámetros, donde
x,mu pueden ser un vector o una matriz. v son los
grados de libertad y junto con x deben ser
positivo.
Ejemplo
x = (0:0.1:50); %Parámetros
0.2
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
0 5 10 15 20 25 30 35 40 45 50
chi2inv ()
Sintaxis X = chi2inv(P, v)
- Devuelve el valor de la función chi-cuadrado
inversa mas aproximado para estos parámetros.
UNIVERSIDAD NACIONAL COLOMBIA
FACULTAD DE CIENCIAS ECONÓMICAS
UNIDAD DE INFORMÁTICA Y COMUNICACIONES
114
ANALISIS ESTADISTICO EN MATLAB
- Como P es una probabilidad debe estar dentro del
intervalo [0 1]. v debe ser positivo.
Ejemplo
X1=chi2inv(0.735,8)
X1=10.0004
x = chi2inv(0.95,5)
x = 11.0705
chi2rnd ()
x = normrnd (mu, v)
- Genera valores aleatorios en una matriz con
dimensiones v x v.
Ejemplo
8.5497 8.7564
12.8334 9.8343
7.0153 14.7426 ]
m=[1 2 3 4 5]
v = [ 2 4 6 8 10]
Nota
y f x a, b x a 1 1 x I 0,1 x
1 b 1
B ( a , b)
I ( 0,1) x significa que el valor de x se ubicara dentro del intervalo (0 1).
Donde B. es la función Beta.
a b
1
Ba, b t a 1 1 t dt
b 1
0
a b
betacdf ()
x
y f x a, b
1
a 1 b 1
t 1 t dt
B ( a , b) 0
x = [0:0.1:1];
p=betacdf(x,5,4)
ANEXO 1
INNOVACIONES DE MATLAB 7
NUEVAS CARACTERISTICAS
GRAFICA 1
GRAFICA 2
9. Para revisar los M-files MATLAB 7 ofrece gran facilidad, basta con
abrir el archivo desde el current directory y dirigirse a la opción
cell de la barra de menús y habilitar el cell mode; en el editor
las celdas aparecen separadas por doble comentario (%%),
además es posible ejecutar y avanzar a la otra celda con un solo
GRAFICA 3
GRÁFICAS
FIGURA 4
GRAFICA 5
GRAFICA 6