Professional Documents
Culture Documents
MATRIZ: M
Donde M el dimetro de 300 pernos, cabe resaltar que M esta expresado en forma
matricial para que podamos utilizar los datos y procesarlos estadsticamente.
M=[1.475 1.514 1.507 1.538 1.481 1.512 1.481 1.469
1.539 1.498 1.459 1.420 1.523 1.542 1.515 1.538 1.559
1.509 1.519 1.479 1.455 1.487 1.504 1.524 1.480 1.444
1.422 1.529 1.487 1.518 1.470 1.516 1.511 1.432 1.506
1.520 1.474 1.471 1.487 1.442 1.497 1.510 1.502 1.561
1.532 1.440 1.428 1.523 1.459 1.505 1.544 1.448 1.538
1.491 1.509 1.486 1.487 1.473 1.528 1.511 1.521 1.462
1.427 1.453 1.357 1.494 1.623 1.528 1.516 1.430 1.492
1.509 1.472 1.441 1.496 1.547 1.476 1.508 1.515 1.553
1.492 1.485 1.487 1.510 1.498 1.557 1.460 1.469 1.457
1.561 1.450 1.501 1.480 1.531 1.503 1.444 1.487 1.515
1.420 1.421 1.525 1.503 1.443 1.483 1.445 1.477 1.500
1.483 1.519 1.531 1.510 1.495 1.471 1.496 1.491 1.448
1.339 1.511 1.495 1.536 1.435 1.440 1.468 1.498 1.525
1.519 1.506 1.529 1.466 1.518 1.412 1.515 1.516 1.534
1.577 1.520 1.500 1.486 1.471 1.457 1.412 1.566 1.520
1.501 1.475 1.524 1.511 1.502 1.482 1.474 1.429 1.511
1.461 1.479 1.494 1.496 1.483 1.548 1.508 1.544 1.522
1.527 1.503 1.439 1.528 1.507 1.517 1.482 1.440 1.439
1.481 1.508 1.508 1.518 1.501 1.494 1.529 1.534 1.459
1.526 1.558 1.450 1.516 1.512 1.536 1.529 1.514 1.460
1.535 1.539 1.543 1.581 1.509 1.455 1.479 1.400 1.563
1.528 1.502 1.442 1.508 1.375 1.475 1.455 1.496 1.542
1.523 1.472 1.435 1.510 1.504 1.507 1.442 1.449 1.436
1.390 1.543 1.485 1.555 1.489 1.444 1.573 1.483 1.505
1.525 1.461 1.446 1.497 1.486 1.443 1.455 1.545 1.518
1.535 1.451 1.537 1.528 1.487 1.549 1.436 1.482 1.567
1.470 1.405 1.505 1.496]
1.539
1.475
1.500
1.554
1.526
1.473
1.535
1.489
1.476
1.469
1.479
1.521
1.485
1.445
1.506
1.519
1.485
1.516
1.487
1.487
1.520
1.506
1.477
1.505
1.497
1.485
1.519
1.467
1.495
1.507
1.420
1.536
1.566
1.401
1.394
1.524
1.519
1.446
1.544
1.523
1.534
1.563
1.542
1.513
1.468
1.602
1.498
1.496
1.510
1.562
1.453
1.509
1.509
1.511
Importante:
M=M
RANGO: R
Siendo el rango la diferencia del mximo y el mnimo valor de los datos. Este se
representar con la letra R
R=max(M)-min(M)
Donde:
R= 0.2840
TAMAO DE LA MUESTRA: ni o n
ni=size(M)
Donde:
ni= [300
1]
Lo anterior fue una condicin debido a que el valor de k y el mtodo de hallarlo depende
de ni, seguidamente introducimos los siguientes comandos.
ki =
17.3205
k =
17
El nmero de intervalos solo puede ser un nmero entero, por ello el comando round
permite redondear ki a k un entero.
AMPLITUD DE INTERVALOS: ci
ci=R/k(1)
ci= 0.0164
Para determinar la amplitud de intervalos usamos el comando anterior, el cual ser una
diferencia, la misma ser constante en todos los intervalos de la tabla de distribucin de
frecuencias.
MARCA DE CLASE: cl
Para hallar las marcas de clase de cada intervalo primero cabe fijar ciertos comandos
como los que veremos a continuacin.
cl=min(M):ci:max(M)
cl=[1.3390 1.3557 1.3724 1.3891 1.4058 1.4225 1.4392
1. 1.4726 1.4894 1.5061 1.5228 1.5395 1.5562 1.5729
1.5896 1.6063 1.6230]
cma=cl' cmi=cl' cmin=cmi(1:k)
cmax=cma(2:k+1)
Nota: Para hacer el trabajo viable, creamos un vector para espaciar las marcas de clase,
lo cual estar definido en el comando antes visto.
Es aquella que resulta de acumular sucesivamente las frecuencias absolutas ni, por
propiedad, la sumatoria de todas las frecuencias absolutas simples es 1.
for i=1:k
V(i)=[length(find(M<=cmax(i)))]
hi(i)=ci/length(M)
end
V=V
Frecuencia
hi=hi
Frecuencia
absoluta acumulada
1
2
3
8
15
26
54
78
125
170
228
269
284
295
298
299
300
relativa simple
0.0033
0.0033
0.0033
0.0167
0.0233
0.0367
0.0933
0.0800
0.1567
0.1500
0.1933
0.1367
0.0500
0.0367
0.0100
0.0033
0.0033
Nota: Recordemos tambin que el apostrofe() indica que la matriz, al estar en forma
horizontal, la convertir en forma vertical, es decir la representa como la inversa de la
matriz original.
V=V'
for z=2:k
C(z)=V(z)-V(z-1)
end
Luego aplicamos el siguiente comando, para relacionar las variables que en lneas
anteriores ya han sido vistas.
C(1)=V(1)
A=C'
Frecuencia relativa
simple
0.0033
0.0033
0.0033
0.0167
0.0233
0.0367
0.0933
0.0800
0.1567
0.1500
0.1933
0.1367
0.0500
0.0367
0.0100
0.0033
0.0033
DIAGRAMAS DE BARRAS:
Frecuencia absoluta en funcin de marca de clase.
Comando:
bar((cmax+cmin)/2,A)
ESTE INDICA QUE EL DIAGRAMA SOLICITADO ES EL DE BARRAS, QUE TIENE LOS
COMPONENTES (X,Y), SEGUIDAMENTE MOSTRAREMOS OTRAS DE LAS FUNCION
DE GRAFICOS QUE NOS OFRECE EL MATLAB, TODAS TINEN LA FORMA (X,Y), Y EL
TIPO DE DIAGRAMA SERA DETERMINADO POR EL COMANDO QUE USEMOS, SEA:
BAR, PIE, STAIRS,ENTRE OTRAS.
ESTADIGRAFOS
En esta seccin veremos algunos de los ms importantes y tiles estadgrafos
estadsticos, que posteriormente nos sern de utilidad.
Media aritmtica:
Usaremos el estadgrafo de posicin ms usado, el cual localiza el centro de la
distribucin de nuestros datos (donde convergen la mayora de nuestras
observaciones).
El comando es:
mean(M)
ans =
1.4947
Mediana:
La media ser usada para obtener el valor medio de la distribucin ms exacto
dividiendo al total de los datos y/o observaciones, ordenadas en forma creciente o
decreciente en dos partes de igual nmero de observaciones.
El comando es:
median(M)
ans =
1.5000
Moda:
La moda ser usada para localizar el valor de la variable a la que le corresponde la
mayor frecuencia absoluta simple.
El comando es:
mode(M)
ans=
1.4870
Media poblacional():
Es la media aritmtica de una poblacin finita de tamao ya definido (M).
El comando es:
= sum(M)/size(M)
ans=
1.4947
Desviacin estndar:
La desviacin estndar no es ms que la raz cuadrada de la varianza.
El comando es:
std(M)
ans =
0.0408
Coeficiente de variacin:
Usaremos este estadgrafo de dispersin relativa (libre de unidades de medida).
El comando es:
CV= (std(M)/mean(M))*100
ans=
2.7327
Coeficiente de asimetra:
Entre los coeficientes de asimetra o de deformacin utilizaremos el primero y el
segundo propuestos por Karl Pearson.
Los comandos sern:
a) Por Karl Pearson:
AS1= ((mean(M)-mode(M))/std(M)
ans=
0.1884
AS2= (3*(mean(M)-median(M))/std(M))
ans=
0.5653