UNIVERSIDAD NACIONAL DE SAN AGUSTIN FACULTAD DE PRODUCCION Y SERVICIOS ESCUELA PROFESIONAL DE INGENIERIA MECANICA

MATLAB con aplicaciones en Estadstica y Probabilidades

PROBLEMAS MODELO

Jurez Rivera Ricardo Martin Umiyauri Huamani Kevin Ray Fox Hermoza Turpo Daniel

DOCENTE: Luis E. Valdivia Escobedo

INTRODUCCION

Este informe esta ntegramente dedicado al curso de Estadstica y Probabilidades, a nivel universitario, en este caso hacia la Ingeniera Mecnica; usando el Software Matemtico MATLAB 2013, para aprovechar el potencial de este instrumento computacional como soporte para los clculos y grficos estadsticos. El objetivo principal es desarrollar ejercicios modelo y explicar inicialmente cada uno de los comandos utilizados y el modo de funcionamiento de estos, este informe pretender brindar un mayor afianzamiento con el Software y as utilizarlo como una opcin de ayuda al momento del aprendizaje del curso; haciendo que al momento de estudiar poder verificar los resultados adems de la comparacin de diagramas. MATLAB es un programa que contiene un sistema de ayuda y documentacin extenso, siendo un instrumento moderno y flexible para ser usado como soporte para el mejor entendimiento de la Estadstica, en este caso usaremos los SCRIPT con formato .m, como mtodo de entrada de los datos, el cual es un editor de comandos que es ms ordenado al momento de ingreso de datos y nos da la posibilidad de corregir algn error mucho ms rpido.

Arequipa-2013

INDICE 1. Comandos bsicos a utilizar 2. Problema Modelo Estadstico 2.1. Histograma 2.2. Polgono de frecuencias 2.3. Diagrama de barras 2.4. Diagrama de barras, horizontal con efecto tridimensional 2.5. Tipo Pastel 2.6. Medidas de tendencia central 3. Introduccin a la Probabilidad 3.1. Factorial, Permutacin y Combinacin 3.2. Variables Aleatorias Discretas 3.3. Variables Aleatorias Continuas 4. Distribucin Binomial 5. Distribucin Poisson 6. Distribucin Gamma 7. Distribucin Weibull 8. Problema de Aplicacin 4 5 7 8 9 10 11 12 13 13 14 15 17 17 18 19 21

1. COMANDOS BASICOS UTILIZADOS % X=[ ] Se usa para introducir comentarios Se tienen que introducir los datos en forma vectorial, poniendo primero la variable, seguido del signo = y los valores entre []. ; Se utiliza el punto y coma para que el resultado de la operacin no aparezca directamente en la pantalla de respuesta sino se guarde solo como una formula. disp() Comando utilizado para desplegar un texto o resultado en la pantalla de respuesta. Las comillas se usan para que el texto introducido dentro de ellas aparezca directamente en la pantalla de respuesta. En otros casos se usa para el color en que se mostrara los diagramas. clf clc Borrar grafico anterior Borrar pantalla

2. PROBLEMA MODELO ESTADSTICO. Los siguientes datos a continuacin, representan el tiempo en segundos que demora en alcanzar el punto de ruptura 70 muestras de una nueva aleacin de Hierro - Carbono, con una fuerza continua. Los datos fueron registrados conforme se realizaba la prueba, y estos son: 97 175 167 158 118 199 196 101 160 180 158 178 151 193 168 150 218 154 76 181 170 169 180 174 115 181 148 134 174 176 120 237 146 131 186 145 150 158 207 153 87 135 171 123 228 200 165 158 229 163 183 163 133 141 233 154 149 184 176 149 245 201 171 208 143 221 142 194 167 135

El primer paso es crear el vector x y a partir de esto realizar todas las operaciones.

x=[97 196 151 76 115 120 150 171 229 233 245 221 175 101 193 181 181 237 158 123 163 154 201 142 167 160 168 170 148 146 207 228 183 149 171 194 158 180 150 169 134 131 153 200 163 184 208 167 118 158 218 180 174 186 87 165 133 176 143 135 199 178 154 174 176 145 135 158 141 149];

Una vez introducidos los datos se procede a correr el programa en el botn RUN ubicado en la Barra de Herramientas Y nos aparecer lo siguiente en la pantalla principal del software:

Ahora procedemos a hacer los DIAGRAMAS: 2.1. HISTOGRAMA

hist(x,m); grid on

%Graficar del histograma %Para que las cuadriculas sean visibles

2.2.

POLIGONO DE FRECUENCIAS

Este tipo de grafico se utiliza para representar la distribucin de frecuencias de variables cuantitativas discretas o continuas tabulados en intervalos.

mp=[45 m 270]; f=hist(x,m); fp=[0 f 0]; clf plot(mp,fp,'o') hold on plot(mp,fp) grid on

%Se agregan puntos con frecuencia 0 a los lados

2.3.

DIAGRAMA DE BARRAS

bar(f,'r')

%Grafico de diagrama de barras, la letra r significa el color de las barras, siendo Red(rojo) en este caso.

2.4.

DIAGRAMA DE BARRAS, HORIZONTAL CON EFECTO TRIDIMENSIONAL

%Grafico, en este caso Yeloow(amarillo)

bar3h(f,'y')

10

2.5.

TIPO PASTEL

f=hist(x,m); pie(f) %Grafico tipo pastel

11

2.6.

MEDIDAS DE TENDENCIA CENTRAL

Se utilizaran los siguientes comandos en el Scrib para obtener los nuevos resultados:
xb=mean(x); disp('La media aritmetica es:') disp(xb) m=median(x); disp('La mediana es:') disp(m) s2=var(x); disp('La varianza es:') disp(s2) M=mode(x); disp('La moda es:') disp(M) s=std(x); disp('La desviacin estndar es:') disp(s)

Y se obtendrn lo siguiente en la pantalla de inicio:

12

3. INTRODUCCIN A LA PROBABILIDAD En este nuevo problema se estudiar la forma de obtener Factoriales, Permutacin y Combinaciones. 3.1. Factorial: El factorial para todo entero positivo n, el factorial de n o n factorial se define como el producto de todos los nmeros enteros positivos desde 1 (es decir, los nmeros naturales) hasta n. Permutacin: Una permutacin de los elementos u objetos de un conjunto, es una disposicin ordenada de estos elementos. Es decir, son los diferentes grupos que pueden formarse con n objetos dados, de modo que intervengan todos los elementos en cada grupo y cuya diferencia est dada en el orden de colocacin. Combinacin: Es una tcnica de conteo que permite calcular el nmero de arreglos que pueden realizarse con todos o con una parte de los elementos de un solo conjunto, en donde no interesa el orden de los elementos.
c=nchoosek(9,4) r=factorial(5) x=[2 3 5 7]; lista=combnk(x,3) n=length(lista) y=[3 5 7]; lista1=perms(y) %Calculo de 9C4 %Factorial de 5 %Conjunto de 4 elementos %Lista de combinaciones de 3 elementos %Numero de combinaciones %Conjunto de 3 elementos %lista de permutaciones

13

3.2.

VARIABLES ALEATORIAS DISCRETAS

Una variable aleatoria discreta es una modelizacin de una caracterstica X de tipo discreto. Recordemos que una caracterstica X es de tipo discreto cuando puede tomar una serie de valores claramente separados x1, ..., xk. En una muestra concreta de tamao n, cada uno de estos valores aparece n1, ..., nk veces (frecuencias absolutas). La frecuencia relativa de cada valor es fi = ni/n.

%Probabilidad con variables aleatorias discretas x=[0 1 2 3]; %Valores de una variable aleatoria X f=[1/8 3/8 3/8 1/8]; %Distribucion de probabilidad f(x) bar(f,1,'r') %Histograma de probabilidad F=cumsum(f); disp('La probabilidad acumulada F(x):') disp(F)

14

3.3.

VARIABLES ALEATORIAS CONTINUAS

Una variable aleatoria continua es una funcin X que asigna a cada resultado posible de un experimento un nmero real. Si X puede asumir cualquier valor en algn intervalo (el intervalo puede ser acotado o desacotado), se llama una variable aleatoria continua.
%Probabilidad con variables aleatorias continuas syms t c=2/5*(t+2); p=int(c,1/4,1/2) %Calculo de la probabilidad P(1/4<t<1/2) ezplot(c,0,1), grid on %Grafico de la funcion de densidad C=int(c) %Obtencion de la funcion de distribucion P=eval(subs(C,'1/2'))-eval(subs(C,'1/4')) %Calculo de la probabilidad P(1/4<t<1/2) con %la funcin de distribucin F(1/2)-F(1/4) ezplot(C,0,1), grid on %Grafico de la funcion de distribucin

15

16

4. DISTRIBUCION BINOMIAL Cuando se dispone de una expresin matemtica, es factible calcular la probabilidad de ocurrencia exacta correspondiente a cualquier resultado especfico para la variable aleatoria. La distribucin de probabilidad binomial es uno de los modelos matemticos (expresin matemtica para representar una variable) que se utiliza cuando la variable aleatoria discreta es el nmero de xitos en una muestra compuesta por n observaciones.
%Probabilidad con la distribucin binomial f=binopdf(0,20,0.05) %Probabilidad con la distribucin binomial x=0, n=20 p=0.05 F=binocdf(3,10,0.2) %Probabilidad con la distribucin binomial acumulada

5. DISTRIBUCION DE POISSON Es una distribucin de probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia media, la probabilidad que ocurra un determinado nmero de eventos durante cierto periodo de tiempo.
%Probabilidad con la distribucin de Poisson a=poisspdf(1,5) %Probabilidad con la distribucin de Poisson, x=1 y=5 b=poisscdf(2,5) %Probabilidad con la distribucin de Poisson acumulada, P(x=<5) y=5

17

6. DISTRIBUCION GAMMA

18

7. DISTRIBUCION WEIBULL

MEDIA Y VARIANZA

19

p=weibcdf(300,0.1,0.5)

[mu, var]=weibstat(0.1, 0.5) x=0:0.1:5; f=weibpdf(x,0.8,1.5); %Puntos de la distr. Weibull, a=0.8 b=1.5 plot(x,f,'g'), grid on %Grafico de la distribucin Weibull legend('Weibull - alfa = 0.8, beta=1.5')

%Distr. acumulada Weibull, a=0.1 %Calcular P(x=<300) %Media y varianza

b=0.5

20

8. PROBLEMA DE APLICACIN Una de las principales aplicaciones de la simulacin es modelar el flujo de trfico en las grandes ciudades con el fin de probar diferentes patrones de luz de trfico antes de utilizarlos en el trfico real. En este ejemplo vemos una pequea parte del problema: cmo simular el flujo de una sola lnea de trfico a travs de un conjunto de semforos. Hacemos los siguientes supuestos (puede hacer otras nuevas o diferentes). Trfico viaja directamente, sin necesidad de encender La probabilidad de un coche que llega a las luces en un segundo particular es independiente de lo que sucedi durante el segundo anterior. Esto se conoce como un proceso de Poisson. Probabilidad, p, puede ser estimado por observacin de los coches en la interseccin y el seguimiento de su patrn de llegada. En esta simulacin tomamos p = 0,3 Cuando las luces son de color verde, se supone que los coches se mueven a una velocidad constante de, por ejemplo, 8 cada 10 segundos. Fijamos las luces roja o verde para los mltiplos variables de 10 segundos. La situacin se modela con un archivo de script, traffic.m , que requiere tres archivos de funcin : go.m, stop.m y prq.m. Debido a que los archivos de funcin necesitan acceso a un nmero de variables de base del espacio de trabajo creado por traffic.m , estas variables se declaran global en traffic.m y en los tres archivos de funcin . En este ejemplo, las luces son de color rojo durante 40 segundos (rojo = 4) y verde por 20 segundos (verde = 2). La simulacin tiene una duracin de 240 segundos (n = 24). TRAFFIC.M
clc clear % Limpiar todo lo anterior! global CARS GTIMER GREEN LIGHTS RED RTIMER T CARS = 0; % nmero de carros en la cola GTIMER = 0; % tiempo para luces verdes GREEN = 2; % periodo de luces de color verde LIGHTS = 'R'; % color de las luces n = 48; % nmero de periodos de 10segundos p = 0.3; % probabilidad de que un carro llegue RED = 4; % periodo de luces de color rojo RTIMER = 0; % temporizador para luces verdes for T = 1:n % por cada periodo de 10 segundos r = rand(1,10); % 1 segundo en 10 nmeros aleatorios CARS = CARS + sum(r < p); % carros que llegan en 10 segundos if LIGHTS == 'G' go % luces verdes else stop % luces rojas end; end;

21

GO.M
function go global CARS GTIMER GREEN LIGHTS GTIMER = GTIMER + 1; % avanzar temporizador verde CARS = CARS - 8; % si pasan 8 carros if CARS < 0 % nmero de coches que pasan < 8 CARS = 0; end; prq; if GTIMER == GREEN LIGHTS = 'R'; GTIMER = 0; end; % la cola de carros % verificar si las luces tienen que cambiar

STOP.M
function stop global LIGHTS RED RTIMER RTIMER = RTIMER + 1; prq; if RTIMER == RED LIGHTS = 'G'; RTIMER = 0; end;

% avanzar temporizador rojo % mostrar cola de carros % verificar si las luces tienen que cambiar

PRQ.M
function prq global CARS LIGHTS T fprintf('%3.0f', T ); if LIGHTS == 'R' fprintf('R'); else fprintf('G'); end; for i = 1:CARS fprintf('*'); end; fprintf('\n')

% mostrar nmero de periodos % color de las luces

% mostrar * para cada carro % nueva linea

22

Los resultados obtenidos son:

23

A partir de esta suposicin en particular, parece que se estn acumulando el trfico, aunque se necesitan ms y ms suposiciones para ver si esto es realmente as. Podemos experimentar con diferentes perodos de luces rojas y verdes para obtener un patrn de trfico aceptable antes de ajustar las luces reales para ese ciclo. Por supuesto, podemos acercarnos a la realidad teniendo en cuenta el trfico doble va y permitiendo que los carros que giran en ambos sentidos y de vez en cuando fluya el trfico. Sin embargo, este programa ofrece las ideas bsicas.

24