DEPARTAMENTO DE ELÉCTRICA Y ELECTRÓNICA

Asignatura: Procesos Estocásticos

GUÍA DE LABORATORIO No. 1

INTEGRANTES:

Andres David Andino

Andres Loor

Profesor: Dr. Marco Flores

SANGOLQUÍ, 2019
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

Índice

Índice ................................................................................................................................................... 2
Lista de Figuras: ................................................................................................................................... 3
Lista de Tablas ..................................................................................................................................... 4
1 Tema de la práctica ..................................................................................................................... 5
2 Objetivos ..................................................................................................................................... 5
2.1 Objetivo General ................................................................................................................. 5
2.2 Objetivos Específicos ........................................................................................................... 5
3 Marco Teórico ............................................................................................................................. 5
4 Desarrollo .................................................................................................................................. 16
4.1 Desarrollo en Matlab......................................................................................................... 16
4.1.1 Ejemplo 1.1................................................................................................................ 16
4.1.2 Ejemplo 1.2................................................................................................................ 19
4.1.3 Ejemplo 1.3................................................................................................................ 22
5 Comandos Utilizados ................................................................................................................. 24
6 Ejercicios Propuestos: ............................................................................................................... 25
6.1 Ejercicio 1 .......................................................................................................................... 25
6.2 Ejercicio 2 .......................................................................................................................... 25
7 Conclusiones: ............................................................................................................................ 25
8 Anexos ....................................................................................................................................... 25
9 Bibliografía ................................................................................................................................ 25

2
Departamento de Eléctrica, Electrónica y Telecomunicaciones

3
Departamento de Eléctrica, Electrónica y Telecomunicaciones

4
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

1 Tema de la práctica:
Introducción a Matlab, Python y R, comandos básicos, uso de vectores, matrices y diagramas.

2 Objetivos:
2.1 Objetivo General:
Aprender a utilizar comandos básicos para poder utilizar vectores y matrices en los diferentes
lenguajes de programación matemáticos.

2.2 Objetivos Específicos:

 Aprender los comandos básicos de Matlab, Python y R.
 Manipular vectores en Matlab, Python y R.
 Manipular matrices en Matlab, Python y R.
 Desarrollar un diagrama de dispersión de dos variables en Matlab, Python y R.

3 Marco Teórico:
R Studio

Instalación del programa

Figura 1: Ventana para descargar R Studio

5
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

Figura 2: Descargar R Studio.

Figura 3: Version de R Studio.

Operaciones con vectores en R

6
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

Figura 4: Comandos de R.

Matlab

Figura 5: Ventana principal de Matlab.

Directorio actual de trabajo (Current Directory). - Donde se guardan las funciones creadas. [1]

7
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

Espacio de Trabajo ((Workspace). - Aquí aparecen las variables o funciones cargadas. [1]

Ventana de comandos (Command Window). -Consola sobre la que se escriben los comandos. [1]

Historial de comandos (Command History). - Aquí se guardan los comandos escritos en la consola.
[1]

R.

Figura 6: Pantalla principal de Rstudio.

Editor de condigo fuente. -Es donde se realizan las funciones. [2]

Consola de R. -Se escriben los comandos. [2]

Historial. -Se guardan las variables. [2]

Ficheros. -Se muestran los resultados al usar los comandos. [2]

8
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

Python

Figura 7: Pantalla principal de Spyder.

Script. -Lugar donde se implementan las funciones. [3]

Directorio. -Dirección donde se guarda el archivo. [3]

Comand Window. -Se visualiza la ejecución de comandos. [3]

VECTORES Y MATRICES.

Vectores.

Es un arreglo unidimensional de datos, estos pueden ser valores numéricos, letras se los puede
representar en forma de vectores filas (1xn), o en forma de vectores columna (nx1), etc. [4]

 Vector fila

𝐴 = [1, 5, 7, 7, 4];

 Vector Columna

5
𝐵 = [4]
1
9
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

Tipos de vectores

 Vector fila. -Es una matriz de orden 1xn, es decir tiene una sola fila y varias columnas.
 Vector columna. -Matriz de orden nx1, tiene una sola columna y varias filas. [4]

Matrices

Una matriz es un arreglo bidimensional o tabla bidimensional de números consistente en cantidades

abstractas que pueden sumarse y multiplicarse entre sí. [4]

 Matrices cuadradas de tamaño (nxn).

4 5 2
𝐴 = (1 2 2)
2 3 1

 Matrices rectangulares de tamaño (mxn).

2 2 7
𝐵=( )
8 11 8
Tipos de Matrices

 Matriz cuadrada. -Es una matriz que tiene el mismo número de filas y columnas.
 Matriz rectangular. -Matriz que tiene número de filas y columnas diferentes.
 Matriz identidad. -Matriz que en solo tiene elementos en su diagonal principal, ese
elemento es el 1.
 Matriz de ceros. -Es una matriz en la cual sus elementos son todos 0, puede ser cuadrada o
rectangular. [4]

Operaciones con matrices.

 Suma y resta.

Para realizar las operaciones de suma y resta entre matrices se tiene que tener en cuenta que estas
matrices deben tener el mismo número de filas y columnas. [5]

Ejemplo

𝑖 = 1/2/3/4/ … 𝑛 ( 1)
𝐶𝑖𝑗 = 𝐴 𝑖𝑗 + 𝐵𝑖𝑗 𝑝𝑎𝑟𝑎
𝑗 = 1/2/3/4/ … 𝑛

10
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

Multiplicación.

Para realizar la multiplicación entre dos matrices se tiene que tener en cuenta que el número de
columnas de la primera matriz tiene que ser igual al número de filas de la segunda matriz, y la
dimensión de la matriz resultante es el número de filas de la primera matriz, y el número de
columnas de la segunda matriz. [5]
𝑎11 𝑎12
( 2)
𝐴 = (𝑎 𝑎22)
21

𝑏 𝑏12 ( 3)
𝐵 = (𝑏11 𝑏22 )
21

𝐶=𝐴×𝐵 ( 4)

𝑐11 𝑐12
( 5)
𝐶 = (𝑐 𝑐22)
21

𝑐11 = 𝑎11𝑏11 + 𝑎12𝑏21 ( 6)

𝑐12 = 𝑎11𝑏12 + 𝑎12𝑏22 ( 7)

𝑐21 = 𝑎21𝑏11 + 𝑎22𝑏21 ( 8)

𝑐11 = 𝑎21𝑏12 + 𝑎22𝑏22 ( 9)

Ejemplos.

Tabla 1. Ejemplo de Matriz Cuadrada

Versión Matlab
>>A=[1 2 3;4 5 6;7 8 9];
Versión R
>>A= matrix(1:15,nrow=4,ncol=4)
Versión Python
>>import numpy as np
>>A= [[1, 4, 5],[-5, 8, 9],[7,8,9]];

11
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

Tabla 2. Ejemplo de Matriz Rectangular

Versión Matlab
>> B=[1 2 3;5 4 6];
Versión R
>> B=matrix(1:6,nrow=2,ncol=3)
Versión Python
>>import numpy as np
>> B = [[1, 2, 3],[5, 4, 6]];

Tabla 3.Ejemplo del vector fila en los distintos lenguajes de programación.

Versión Matlab
>> C=[1 2 3 4 6 6];
Versión R
>> C=(1,5,3,2)
Versión Python
>>import numpy as np
>> C=[2, 5, 7];

Tabla 4. Ejemplo del vector columna en los distintos lenguajes de programación.

Versión Matlab
>> D=[1; 5; 5];
Versión R
>> D=matrix(x,nrow=5,ncol=1);
Versión Python
>>import numpy as np
>> D=[[1],[5],[5]];

Tabla 5. Ejemplo de la Matriz identidad en los distintos lenguajes de programación.

Versión Matlab
>> E=eye(4);
Versión R
>> E=diag(4)
Versión Python
>> E= np.identity(4)

Tabla 6. Ejemplo de la Matriz cuadrada de ceros en los distintos lenguajes de programación.

Versión Matlab
>> F=zeros(4);

12
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

Versión R
>> F= zeros (4)
Versión Python
>>import numpy as np
>> F= np.zeros(4);

Tabla 7. Ejemplo de la Matriz Rectangular de ceros en los distintos lenguajes de programación.

Versión Matlab
>> G=zeros(3,5);
Versión R
>> G= zeros (3,5);
Versión Python
>>import numpy as np
>> G= np.zeros(3,5);

Tabla 8. Ejemplo suma de vectores en los distintos lenguajes de programación.

Versión Matlab
>>A=[1 2 3;4 5 6;7 8 9];
>>F=zeros(4);
>>Q=A+F;
Versión R
>> A= matrix(1:15,nrow=4,ncol=4);
>> F= zeros (4);
>> Q=A+F;
Versión Python
>>import numpy as np
>> A= [[1, 4, 5],[-5, 8, 9],[7,8,9]];
>> F= np.zeros(4);
>> Q= A+F;

Tabla 9. Ejemplo resta de vectores en los distintos lenguajes de programación.

Versión Matlab
>>A=[1 2 3;4 5 6;7 8 9];
>>F=zeros(4);
>>Q=A-F;
Versión R
>>A= matrix(1:15,nrow=4,ncol=4);
>> F= zeros (4);
>>Q=A-F;
Versión Python
>>import numpy as np
>> A= [[1, 4, 5],[-5, 8, 9],[7,8,9]];
>> F= np.zeros(4);

13
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

>> Q= A-F;
Tabla 10. Ejemplo de multiplicación de vectores en los distintos lenguajes de programación.

Versión Matlab
>>A=[1 2 3;4 5 6;7 8 9];
>>F=zeros(4);
>>Q=A*F;
Versión R
>>A= matrix(1:15,nrow=4,ncol=4);
>> F= zeros (4);
>>Q=A*F;
Versión Python
>>import numpy as np
>> A= [[1, 4, 5],[-5, 8, 9],[7,8,9]];
>> F= np.zeros(4);
>> Q= A*F;

GRÁFICAS.

Además de poder ocupar vectores y matrices, es importante estar familiarizados con realizar
gráficos en los diferentes lenguajes de programación, ya que estos van a servir para graficar
funciones. [6]

Se pueden realizar gráficos de funciones en 2D, como por ejemplo la función.

𝑦 = 2𝑥 ( 10)

Tabla 11. Ejemplo de gráficos 2D continuas en los distintos lenguajes de programación.

Versión Matlab
>>x=-5:0.01:5;
>>y=2*x;
>>plot(x,y);
>>xlabel('t');
>>ylabel('x(t)');
Versión R
>>x=seq(-5,5,length=100)
>>y=2*x;
>>plot(x,y,type="l",col="blue",lwd=3)
Versión Python
>>from pylab import *
>>import matplotlib.pyplot as plt
>>x = np.arange(-5, 5, 0.1)
>>y = 2*x
>>plt.plot(x, y)
>>plt.ylabel("y")
>>plt.xlabel("x")

14
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

(a) (b)

(c)

Figura 8: Ejemplo de un gráfico en 2D en: (a)Matlab, (b)Python, (c)R

También se pueden realizar gráficos de forma discreta, a continuación, se muestran los comandos.
[6]

Tabla 12. Ejemplo de gráficos 2D discreta en los distintos lenguajes de programación.

Versión Matlab
>>x=-5:0.01:5;
>>y=2*x;
>>stem(x,y);
>>xlabel('t');
>>ylabel('x(t)');
Versión R
>>x=seq(-5,5,length=10)
>>y=2*x;
>>plot(x,y, main="Gráfica 01.1a.: Diagrama de Dispersión")

15
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

Versión Python
>>from pylab import *
>>import matplotlib.pyplot as plt
>>x = np.arange(-5, 5, 0.1)
>>y = 2*x
>> plt.stem(x,y)
>>plt.ylabel("y")
>>plt.xlabel("x")

(a) (b)

(c)

Figura 9: Ejemplo de un gráfico en 2D discretas en: (a)Matlab, (b)Python, (c)R

También es importante poder realizar gráficos de funciones en 3D, se va a realizar un ejemplo para
mostrar los comandos a utilizar en los diferentes lenguajes de programación. [6]

Se pide graficar la siguiente ecuación.

z = 𝑥2 + 𝑦2 ( 11)

16
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

Tabla 13. Ejemplo de gráficos 3D en los distintos lenguajes de programación.

Versión Matlab
>>x=-10:0.01:10;
>>y=-10:0.01:10;
>> [x, y] = meshgrid(x,y);
>>z =x.^2+y.^2;
>>surf(x,y,z);
>>xlabel('X');
>>ylabel('Y');
>>zlabel('Z');
Versión R
>>x=seq(-10,10,length=100)
>>y=seq(-10,10,length=100)
>>parabola=function(x,y) x^2+y^2
>>z=outer(x, y, parabola)
>>persp(x,y,z)
Versión Python
>>from mpl_toolkits.mplot3d import axes3d
>>import matplotlib.pyplot as plt
>>import numpy as np
>>X=np.linspace(-10,10,100)
>>Y=np.linspace(-10,10,100)
>>X,Y=np.meshgrid(X,Y);
>>Z=X**2+Y**2;
>>fig = plt.figure()
>>ax1 = fig.add_subplot(111,projection='3d')
>>ax1.plot_wireframe(X, Y, Z,rstride=2,cstride=2,cmap='Blues')
>>plt.show()
>>ax.set_xlabel(‘X’);
>>ax.set_ylabel(‘Y’);
>>ax.set_zlabel(‘Z’);
>>plt.show();

(a) (b)

17
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

(c)

Figura 10: Ejemplo de un gráfico en 3D en: (a)Matlab, (b)Python, (c)R

4 Desarrollo:

4.1 Desarrollo en Matlab

4.1.1 Ejemplo 1.1
Generación de vectores de distinto tamaño.

Si se tiene las funciones:

𝑥 = 𝑡2 (12)

𝑦=5+𝑡 (13)

Que representa una función parabólica (13) y función lineal (14), requiere de un vector en un rango
de -10 a 10 para generar sus gráficas.

Si tenemos

𝑘 𝑣𝑘−1 − 𝑣𝜆 (14)
𝑥= ∗ 𝑒
𝜆 𝜆

Que representa una ecuación en función de 𝑘 𝑦 𝜆 (15), se requiere de un vector de 0 a 10 con un

intervalo de 0.1 entre sus valores. Es necesario definir valores para las variables 𝑘 𝑦 𝜆.

18
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

Tabla 14. Código para generar vectores de distintos tamaños en Matlab, R y Python.

Versión Matlab
>>t=-10:1:10;
>>x_t=t.^2;
>>plot(t,x_t)
>>title('Grafico 1: x(t)=t^2');
>>xlabel('t');ylabel('x(t)');
>>grid on; hold on;
>>y_t=5+t;
>>plot(t,y_t,'r')
>>hold off;

>>fv=inline('(k/lambda).*((v/lambda).^(k-1)).*exp(-(v/lambda))');
>>k=2.776;
>>lambda = 4.9;
>>v=0:0.1:10;
>>f=fv(v,lambda,k);
>>plot(v,f);
>>f=fv(v,lambda,2*k);
>>hold on;
>>plot(v,f,'r');
>>f=fv(v,lambda,2*k);
>>hold on;
>>plot(v,f,'g');
>>hold off
Versión R
>> t<-seq(-10,10,by=1);
>> x_t=t^2;
>> y_t<-5+t;
>> df <- data.frame(t,x_t,y_t)
>> require(ggplot2)
>> g <- ggplot(df, aes(t))
>> g <- g + geom_line(aes(y=x_t), colour="red")
>> g <- g + geom_line(aes(y=y_t), colour="green")
>> g
Versión Python
>>t = np.arange(-10, 11, 1)
>>xt = t**2
>>print("Operacion xt^2")
>>print(" ")
>>print(xt)
>>print(" ")
#Grafica ejercicio 1
>>plt.plot(t, xt)
>>plt.title("Grafico 1 x(t)=t^2")
>>plt.ylabel("xt(t)")
>>plt.xlabel("t")
>>plt.hold(True)
>>yt = 5 + t
>>print("Operacion yt=t+5")
>>print(" ")

19
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

>>print(yt)
>>print(" ")
>>plt.plot(t, yt, color='r')
>>plt.grid()
>>plt.show()
>>plt.clf()

# Creando variables simbolicas

>>k = sp.Symbol('k')
>>m1 = sp.Symbol('m1')
>>v = np.arange(0, 10, 0.1)
>>k = 2.776
>>k1 = 2 * k
>>m1 = 4.9
>>m1_2 = m1 / 2
>>f = (k / m1) * ((v / m1) ** (k - 1)) * np.exp(- (v / m1))
>>plt.plot(v, f, color='b')
>>f1 = (k1 / m1) * ((v / m1) ** (k1 - 1)) * np.exp(-(v / m1))
>>plt.plot(v, f1, color='g')
>>f2 = (k1 / m1_2) * ((v / m1_2) ** (k1 - 1)) * np.exp(-(v /
m1_2))
#Graficando funciones
>>plt.plot(v, f2)
>>plt.title("Grafico 2: Manejo de vectores")
>>plt.ylabel("f(v)")
>>plt.xlabel("v")
>>plt.show()
>>plt.cla()

En la figura 4(a), 5(a) y 6(a) se muestra el resultado del algoritmo en los tres lenguajes de
programación (Matlab, R y Python) respectivamente, en donde se muestra como la ecuación (13) y
ecuación (14) se grafican en un intervalo de -10 a 10. Por otro lado, la figura 4(b), 5(b) y 6(b) muestra
la ecuación (15), misma que toma valores distintos para la variable 𝑘.

20
 (c) (d)

(e) (f)
Figura 11. Gráfica de funciones (13), (14) y (15) en: (a) y (b) Matlab, (c) y (d) R, (e) y (f) Python.

4.1.2 Ejemplo 1.2

Diagrama de dispersión de dos variables

1. Tomar los datos de estatura y peso de los alumnos que se encuentren cursando la materia.
2. Ingresar en dos vectores uno para el peso y el otro para la estatura.
3. Graficar el diagrama de dispersión de los datos.
4. Comentar los gráficos resultantes.

Tabla 15. Código de ejemplo 1.2 en Matlab, R y Python.

Versión Matlab
>>Peso=[51,53,56,52,53,57,56,71,53,57,56];
>>Estatura=[150,144,161,157,155,155,165,175,179,161,153];
>>scatter(Peso,Estatura)
>>xlabel('PESO')
>>ylabel('ESTATURA')
Versión R
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

>> Peso <- c(51,53,56,52,53,57,56,71,53,57,56);

>> Estatura <- c(150,144,161,157,155,155,165,175,179,161,153);
>> piechart(Peso,Estatura, shadow=FALSE,edges=200, radius=0.8,
col=NULL, main=NULL, ...)
Versión Python
# Arreglo de peso del curso
>> peso = [51, 53, 56, 52, 53, 57, 56, 71, 53, 57, 56]
# Arreglo de estatura del curso
>> altura = [150, 144, 161, 157, 155, 155, 165, 175, 179, 161,
153]
#Grafico de dispersion
>> plt.scatter(peso, altura)
>> plt.xlim(45, 75)
>> plt.ylim(143, 181)
>> plt.title("Diagrama de dispersion")
>> plt.ylabel("ALtura del curso (cm)")
>> plt.xlabel("Peso del curso (kg)")
>> plt.grid()
>> plt.show()

20
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

(a)

(b)

(c)
Figura 12. Gráfica de dispersión de peso y estatura en (a) Matlab, (b) R y (c) Python.

21
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

En la figura 8, se muestran las gráficas de dispersión de las variables de peso y estatura. Es

importante notar que las variables ingresadas varían en el arreglo de cada lenguaje de
programación, por lo cual los puntos de dispersión varían.

4.1.3 Ejemplo 1.3

A partir de los datos que se obtuvieron en el ejercicio 4.1.2 realizar el calculo de la matriz de
covarianza.

Tabla 16. Cálculo de covarianza del ejercicio 1.3 en Matlab, R y Python.

Versión Matlab
>>Peso=[51,53,56,52,53,57,56,71,53,57,56];
>>Estatura=[150,144,161,157,155,155,165,175,179,161,153];
>>fprintf(‘Covarizana’)
>>cov([Peso,Estatura])
>>fprintf(‘Matriz de Covarianza’)
>>cov(Peso,Estatura)

Versión R
#Covarianza
>> Peso <- c(51,53,56,52,53,57,56,71,53,57,56);
>> Estatura <- c(150,144,161,157,155,155,165,175,179,161,153);
>> cov(Peso,Estatura)

#Matriz Covarianza
>>M <- cbind(Peso,Estatura,c,d,e)
>>k <- ncol(M) #number of variables
>>n <- nrow(M) #number of subjects
>> M <- cbind(Peso,Estatura)
>> k <- ncol(M) #number of variables
>> n <- nrow(M) #number of subjects
>> M_mean <- matrix(data=1, nrow=n) %*%
>>cbind(mean(Peso),mean(Estatura))
>> D <- M - M_mean
>> C <- (n-1)^-1 * t(D) %*% D #sample covariance [matches cov()]
>> C <- (n)^-1 * t(D) %*% D #population covariance
>> var_vector <- diag(C)^(-1/2)
>> diag(var_vector) %*% C %*% diag(var_vector)
>> cov(M)
Versión Python
# Arreglo de peso del curso
>> peso = [51, 53, 56, 52, 53, 57, 56, 71, 53, 57, 56]
# Arreglo de estatura del curso
>> altura = [150, 144, 161, 157, 155, 155, 165, 175, 179, 161,
153]
>>a = np.cov(peso, altura)
>>print("Covarianza entre el peso y altura")
>>print(" --------------------------------- ")
>>print(a)
>>print(" ---------------------------------- ")

22
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

En las Figuras 9, 10 y 11 se puede observar las diferentes formas en la que expresa el resultado del
cálculo de covarianza haciendo uso de los diferentes softwares empleados (Matlab, R, Phyton) ,
observando que la forma de representar los datos es muy similar, a excepción de R en donde para
el cálculo de la matriz de covarianza coloca el nombre de los vectores utilizados en la misma para
una mejor interpretación.

Figura 13. Respuesta de covarianza (Matlab)

Figura 14. Respuesta de covarianza (R)

Figura 15 .Respuesta de covarianza (Python)

23
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

5 Comandos Utilizados:
FUNCION COMANDOS
MATLAB R PYTHON
Vector Fila 10:1:10; t <-seq(-10,10,by=1); t = np.arange(-10, 11,
1)
Vector columna [1; 2; 3; 4] c(1,2,3,4) array([[0],
[2],
[4],
[6]])

Matrices [1 2 3 ; 4 5 6] matriz (c (1,2,3,4,5,6), A = np.array([[1, 3, 2], [

nrow = 2,
byrow = TRUE) 1, 0, 0], [1, 2, 2]])

Crear variables fv=inline('k') r=sym(‘(x+sqrt(5))/2’) k = sp.Symbol('k')

simbólicas
Gráfico 2D Plot(x,y) plot(x,y,type=’l’) plt.plot(t, xt)
Stem(x,y)
Gráfico de scatter(Peso,Estatura) plot(Peso,Estatura); plt.scatter(peso, altura)
dispersión
Título en el grafico title('Grafico '); title(main=’somestring’) plt.title("Grafico 1")

Sobreponer hold on; par(new=TRUE) plt.hold(True)

imagen
Aparecer imagen Aparece por defecto Aparece por defecto plt.show()
nueva
Cuadricula grid on grid() plt.grid()
Covarianza cov([Peso,Estatura]) cov(Peso,Estatura) np.cov(peso, altura)

24
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

6 Ejercicios Propuestos:
6.1 Ejercicio 1
Una empresa electrónica realiza el inventario de sus elementos, se tiene que el siguiente vector
representa el número de resistencias que se han vendido en cada una de las sucursales,
A=[6,7,8,9,10], se pide calcular el total de elementos que se han vendido en toda la empresa.

6.2 Ejercicio 2
Extraer los datos que se encuentren en el intervalo de 1 a 3 de un vector de 10 dígitos que sea
generado aleatoriamente en el intervalo de -1.5 a 4.5

7 Conclusiones:
 Para poder realizar los ejercicios propuestos es importante revisar una introducción de los
comandos tanto de Matlab como R Studio.
 Se pudo observar que algunos comandos de R Studio son distintos a los de Matlab
 Es muy importante tener lógica de programación para poder entender los ejercicios y asi
resolverlos

8 Anexos:
Ejercicio 1
MATLAB
Una empresa electrónica realiza el inventario de sus elementos, se tiene que el siguiente vector
representa el número de resistencias que se han vendido en cada una de las sucursales,
A=[6,7,8,9,10], se pide calcular el total de elementos que se han vendido en toda la empresa.

25
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

R STUDIO
Una empresa electrónica realiza el inventario de sus elementos, se tiene que el siguiente vector
representa el número de resistencias que se han vendido en cada una de las sucursales,
A=[6,7,8,9,10], se pide calcular el total de elementos que se han vendido en toda la empresa.

Ejercicio 2
MATLAB
Extraer los datos que se encuentren en el intervalo de 0.5 a 4 de un vector de 10 dígitos que
sea generado aleatoriamente en el intervalo de -1 a 6

26
 Departamento de Eléctrica, Electrónica y Telecomunicaciones

R STUDIO
Extraer los datos que se encuentren en el intervalo de 1 a 5 de un vector de 10 dígitos que sea
generado aleatoriamente en el intervalo de -6 a 8

9 Bibliografía

[1] «Learn with MATLAB and Simulink Tutorials,» 06 Febrero 2019. [En línea]. Available:
https://www.mathworks.com/support/learn-with-matlab-tutorials.html.

[2] «R Tutorial,» 6 Febrero 2019. [En línea]. Available: http://www.r-tutor.com/r-introduction.

[3] «The Python Tutorial,» 5 Febrero 2019. [En línea]. Available:

https://docs.python.org/3/tutorial/.

27
 Departamento de Eléctrica, Electrónica y Telecomunicaciones
[4] «https://rpubs.com/MSiguenas/97848,» 19 Julio 2015. [En línea]. Available:
https://rpubs.com/MSiguenas/97848.

[5] N. Rougier, M. Müller y G. Varoquaux, «Matplotlib: Gráficas usando pylab,» 6 Febrero 2019.
[En línea]. Available: https://claudiovz.github.io/scipy-lecture-notes-
ES/intro/matplotlib/matplotlib.html.

28