Академический Документы
Профессиональный Документы
Культура Документы
60
79
80
77
81
52
10
64
41
71
83
60
78
89
34
67
17
media=median(median(A))
32
95
75
54
76
82
media =
72.2500
mu=mean(mean(A))
mu =
65.4833
>> B=A(:) - vectorizo
>> pc=prctile(B,[25 50 75])
pc =
54.5000 71.5000 80.5000
>> pc=prctile(B,[25 75])
pc =
54.5000 80.5000
>> pc=prctile(B,[50])
pc =
71.5000
>> V=var(B)
V=
446.6268
>> R=range(B)
R=
88
57
41
78
64
84
69
74
65
25
72
48
74
52
92
80
88
84
63
70
85
98
62
90
80
82
55
81
74
15
85
36
76
67
43
79
61
EJERCICIO N= 3
>> randtool
>> media=mean(EJER3)
media =
22.1159
>> varianza=var(EJER3)
varianza =
433.6753
Distribution
Samples
35
30
Counts
25
20
15
10
5
0
-60
-40
-20
20
Values
40
60
80
80
60
80
60
40
40
20
20
0
-20
0
-20
-40
-60
>> randtool
>> normplot(EJER3)
Probability
0.95
0.90
0.75
0.50
0.25
0.10
0.05
0.02
0.01
0.003
-20
20
Data
40
60
80
La linea roja es la pendiente de una distribucin normal, como desde 0.25 a 0.75 caen
sobre la linea roja entonces comprobamos que es una Distribucin Normal.
Si ahora generamos una exponencial y la comparamos con una normplot vemos que
no se cumple que los datos caigan o sigan la pendiente de la Distribucin Normal.
Normal Probability Plot
0.999
0.997
0.99
0.98
Probability
0.95
0.90
0.75
0.50
0.25
0.10
0.05
0.02
0.01
0.003
0.001
3
Data
EJERCICIO N 5:
>> m=mean(dado)
m=
3.4400
>> mediana=median(dado)
mediana =
4
>> varianza=var(dado)
varianza =
2.9762
>> [M,V]=unidstat(6)
M=
3.5000
V=
2.9167
EJERCICIO N 7:
>> A=[765 780 790 775
792 793 785 784 782
775 770 771 759 783
782 786 790 785 779
782 789 780 779 782
787 782 784 786 783
];
>> B=A(:);
>> cuartiles=prctile(B, [25 50 75])
769
788
790
768
789
790
748
765
783
783
792
783
cuartiles =
779.5000 783.5000 788.5000
>> rangointer=iqr(B)
rangointer =
9
>> boxplot(B)
800
795
790
785
780
775
770
765
760
755
750
1
785
790
781
784
795
785
768
798
795
790
785
781
767
768
791
784
783
786
788
>> normplot(B)
Normal Probability Plot
0.99
0.98
0.95
0.90
Probability
0.75
0.50
0.25
0.10
0.05
0.02
0.01
750
755
760
765
770
775
Data
780
785
785
790
781
784
795
785
778
798
795
790
785
781
790
795
780
788
790
788
789
790
779
775
783
787
792
783
787
785
791
784
783
786
788
795
790
785
780
775
1
>> normplot(D)
Normal Probability Plot
0.99
0.98
0.95
0.90
Probability
0.75
0.50
0.25
0.10
0.05
0.02
0.01
775
780
785
Data
790
795
EJERCICIO N6:
Distribution
Samples
7
6
Counts
5
4
3
2
1
0
10
20
30
40
50
60
Values
>> mediamuestral=mean(ejer6)
mediamuestral =
9.7800
>> mediapoblacionalestimada=binofit(mediamuestral,50)
mediapoblacionalestimada =
0.1956
70
80
90
100
EJERCICIO N8=
>> VARx=(25/16)
VARx =
1.5625
>> DESVIOx=sqrt(VARx)
DESVIOx =
1.2500
>> Linf=(50-(1.9*DESVIOx))
Linf =
47.6250
>> Lsup=(50-(0.4*DESVIOx))
Lsup =
49.5000
>> P=normcdf(Lsup,50,1.25)-normcdf(Linf,50,1.25)
P=
0.3159
8) Si todas las muestras posibles de tamao 16 se toman de una poblacin normal
con media igual a 50 y desvo estndar igual a 5, calcular la probabilidad de que:
x-1.9x X x-0.4x
VAR(X)= x = poblacional/n
x 2= 25/16 ---------> x= 1.25
E(X)=x=poblacional
x=50
2
>> Li=50-(1.9*1.25)
Li = 47.6250
>> Ls=50-(0.4*1.25)
Ls = 49.5000
>> n=normcdf(Ls,50,1.25)-normcdf(Li,50,1.25)
n = 0.3159