Ataurima M. - Laboratorio No.4v1

MATLAB para el Anlisis Econmico
Gua de Laboratorio No.4

Miguel Ataurima Arellano
7 de marzo de 2013
I. Grcas en dos dimensiones

x2
1. Implemente un programa que permita gracar la funcin y = e

todo x 2 [ 3; 3] con un paso de x = 0;01.
Grfica de funcin bidimensional
para
1
2
f(x) = e-x
0.9
grafica2d01.m (script)
0.8
clc; clear;
0.7
x = (-3:0.01:3);
y = exp(-x.^2);
0.6
Eje Y
01.
02.
03.
04.
05.
06.
07.
plot(x,y);
grid on;
0.5
0.4
0.3
0.2
Ejecucin:
0.1
>> grafica2d01
0
-3
-2
-1
0
Eje X
1
0.9
3. Aada el cdigo necesario al script anterior para restringir el area de visualizacin
0.8
0.7
Eje x: [ 4; 4]
0.6
Eje y: [ 0;5; 1;5]
0.5
01.
02.
03.
04.
05.
06.
07.
08.
09.
10.
11.
12.
13.
14.
0.4
0.3
0.2
0.1
0
-3
-2
-1
2. Aada el cdigo necesario al script anterior de manera que la graca disponga de:
Ttulo
clc; clear;
x = (-3:0.01:3);
y = exp(-x.^2);
plot(x,y);
grid on;
title(Grafica de funcion bidimensional);
xlabel(Eje X);
ylabel(Eje Y);
legend(f(x) = e^{-x^2});
axis([-4 4 -0.5 1.5]);
Ejecucin:
Rtulos en los ejes
>> grafica2d03
Leyenda
1.5
grafica2d02.m (funcin)
clc; clear;
1
x = (-3:0.01:3);
y = exp(-x.^2);
plot(x,y);
grid on;
Eje Y
01.
02.
03.
04.
05.
06.
07.
08.
09.
10.
11.
12.
2
f(x) = e-x

xlabel(Eje X);
ylabel(Eje Y);
0.5
-0.5
-4
Ejecucin:
>> grafica2d02
1
-3
-2
-1
0
Eje X
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

Facultad de Ciencias Econmicas

Mdulo Bsico
4. Implemente un script que permita gracar en una misma ventana las funciones
Ejecucin:
x2
f1 (x) = e
f2 (x) = 3e
>> grafica2d05
x2
para todo x 2 [ 3; 3] con un paso de x = 0;01.

La grca deber estar rotulada convenientemente y con una restriccin
de visualizacin:
1.5
Eje x: [ 4; 4]
2
f(x) = e-x
Eje y: [ 0;5; 1;5]

1
clc; clear;
Eje Y
01.
02.
03.
04.
05.
06.
07.
08.
09.
10.
11.
12.
13.
14.
15.
x = (-3:0.01:3);
y1 = exp(-x.^2);
y2 = exp(-3*x.^2);
plot(x, y1, x, y2);
grid on;
0.5

xlabel(Eje X);
ylabel(Eje Y);
legend(f_1(x) = e^{-x^2}, f_2(x) = e^{-3x^2});
-0.5
-4
-3
-2
-1
0
Eje X
axis([-4 4 -0.5 1.5]);
Ejecucin:
6. Codique un script que graque la funcin de densidad normal
>> grafica2d04
f x; ;
1.5
f1(x) = e-x
2
f2(x) = e-3x
1
= p exp
2
1
2
para el juego de parmetros

= 0; 2 = 1 y un intervalo (rango) de la variable independiente x en [ 3 : 3] con un paso de x = 0;01.
Eje Y
Aada a la grca los detalles que crea conveniente.

0.5
-0.5
-4
-3
-2
-1
0
Eje X
01.
02.
03.
04.
05.
06.
07.
08.
09.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
5. Modicar el script del problema 3 de manera que se aadan la grca los

ejes de las ordenadas y abscisas.
01.
02.
03.
04.
05.
06.
07.
08.
09.
10.
11.
12.
13.
14.
15.
16.
clc; clear;
x = (-3:0.01:3);
y = exp(-x.^2);
plot(x, y, -r,...
[-4 4], [0 0], -k, ...
[0 0], [-0.5 1.5], -k);
grid on;
% f(x)
% eje horizontal
% eje vertical
clc; clear;
mu
= 0;
sigma = 1;
x = (-3:0.01:3);
% Calculo de y = f(x) densidad normal con x~N(0,1)
y = (1/(sigma*sqrt(2*pi)))*exp(-0.5*((x-mu)/sigma).^2);
plot(x, y, -b,...
[-4 4], [0 0], -k, ...
[0 0], [0 0.5], --r);
grid on;
% f(x)
% eje horizontal
% eje vertical (media)
title(Grafica de la funcion de densidad normal);

xlabel(Eje X);
ylabel(Eje Y);
legend(y = f(x) : x ~N(0,1));
axis([-4 4 0 0.5]);

xlabel(Eje X);
ylabel(Eje Y);
axis([-4 4 -0.5 1.5]);
Ejecucin:
>> grafica2d06
EXPOSITOR: Miguel Ataurima Arellano
mataurimaa@uni.pe


Mdulo Bsico
01.
02.
03.
04.
05.
06.
07.
08.
Grfica de la funcin de densidad normal

0.5
y = f(x) : x ~ N(0,1)
0.45
0.4
0.35
Eje Y
0.25
0.2
0.15
0.1
0.05
-3
-2
-1
0
Eje X
7. Modique el script anterior de manera que se graque la funcin de densidad

normal para el juego de parmetros
= 5; 2 = 1 .
Aada a la grca los detalles que crea conveniente.
x = (-4+mu:0.01:4+mu);
clc; clear;
mu
= 5;
sigma = 1;
x = (-3+mu:0.01:3+mu);
Ejecucin:
% Calculo de y = f(x) densidad normal con x~N(0,1)

y = (1/(sigma*sqrt(2*pi)))*exp(-0.5*((x-mu)/sigma).^2);
plot(x, y, -b,...
[-4+mu 4+mu], [0 0], -k, ...
[mu mu], [0 0.5], --r);
grid on;
>> grafica2d07
% f(x)
% eje horizontal
% eje vertical

0.5
y 1 = f(x) : x ~ N(5,1)
0.45
y 2 = f(x) : x ~ N(5,1.5)
0.4
title(Grafica de la funcion de densidad normal);

xlabel(Eje X);
ylabel(Eje Y);
legend(y = f(x) : x ~N(5,1));
y 3 = f(x) : x ~ N(5,3)
0.35
0.3
Eje Y
01.
02.
03.
04.
05.
06.
07.
08.
09.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
mu
= 5;
sigma = 1;
% Funcion Anonima fnormal = f(x)

% densidad normal con x~N(mu,sigma\U{b2})
09. fnormal = @(x,mu,sigma) ...
(1/(sigma*sqrt(2*pi)))*exp(-0.5*((x-mu)/sigma).^2);
10.
11. % Varios f(x) empaquetados por columna en una matriz
12. y = [fnormal(x,mu,sigma) ...
fnormal(x,mu,sigma+0.5) ...
fnormal(x,mu,sigma+2)];
13.
14. plot(x, y, ...
% varios f(x)
15.
[-4+mu 4+mu], [0 0], -k, ...
% eje horizontal
16.
[mu mu], [0 0.5], --r);
% eje vertical
17. grid on;
18.
19. title(Grafica de la funcion de densidad normal);
20. xlabel(Eje X);
21. ylabel(Eje Y);
22. legend( [ y_1 = f(x) : x ~N( num2str(mu) , ...
num2str(sigma) ^2) ] , ...
23.
[ y_2 = f(x) : x ~N( num2str(mu) , ...
num2str(sigma+0.5) ^2) ] , ...
24.
[ y_3 = f(x) : x ~N( num2str(mu) , ...
num2str(sigma+2) ^2) ] );
0.3
0
-4
clc; clear;
axis([-4+mu 4+mu 0 0.5]);
0.25
0.2
Ejecucin:
0.15
>> grafica2d07
0.1
0.05
0.5
y = f(x) : x ~ N(5,1)
0.45
5
Eje X
0.4
9. Implemente un script que graque una secuencia fyt gTt=1 tipo caminata
aleatoria
t
X
yt = 50 +
xt
0.35
Eje Y
0.3
0.25
k=1
0.2
con xt N (0; 1).

Utilice una secuencia aleatoria gaussiana con semilla 123.
0.15
0.1
0.05
0
5
Eje X
01.
02.
03.
04.
05.
06.
07.
08.
09.
10.
8. Modique el script anterior de manera que se graque la funcin de densidad

normal mediante el uso de una funcin annima para el juego de parmetros
con media y desviaciones estndar , + 0;5 y + 0;7.
Aada a la grca los detalles que crea conveniente.Considere = 5 y
= 1.
clc; clear;
% Talla de la muestra
T = 500;
% Intervalo de tiempo
t = (1:T);
% Especificacion de semilla
rng(123);
mataurimaa@uni.pe

11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.

Mdulo Bsico
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
% x~N(0,1)
x = randn(T,1);
% y : Caminata Aleatoria
y = 50 + cumsum(x);
% Grafica
plot(t,y);
xlabel(t);
ylabel(y_t);
grid on;
legend(x_t: GWN, y_t: RW);

grid on;
subplot(2,1,2);
plot( t(2:T), 100*dpy1, b-, ...
t(2:T), 100*dpy2, r--);
title(Variacion Porcentual);
xlabel(t);
ylabel(\Delta%y_t);
legend(\Delta%y_t, log(y_t/y_{t-1}));
grid on;
Ejecucin:
>> grafica2d10
Ejecucin:
>> grafica2d09
Variables en Niveles
65
x t: GWN
80
y t: RW
60
55
40
yt
x t, y t
60
50
20
0
45
-20
40
50
100
150
200
250
t
300
350
400
450
50
100
150
200
500
250
t
300
350
400
450
Variacin Porcentual
500
%y t
10
log(y t/y t-1)
10. Modique el script anterior de manera se visualice la ventana dividida en

una matriz de 2 1 de tal manera que:
%y t
En la 1era. subgrca se visualice la grca del ruido blanco Gaussiano

del ejemplo anterior
-5
En la 2da. subgrca se visualice la grca de las variaciones porcentuales:

Exacta:
%yt =
Aproximada:
yt
yt
%yt
-10
1 para todo t = 2; :::; T

1
ln
yt
yt
50
100
150
200
250
t
300
350
400
450
500
para todo t = 2; :::; T

11. Modique el script anterior de manera que se visualice con lineas puntedas
el nivel medio en el que se desarrolla la caminata aleatoria.
clc; clear;
T = 500;
01.
02.
03.
04.
05.
06.
07.
08.
09.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
t = (1:T);
rng(123);
% x~N(0,1)
x = randn(T,1);
y = 50 + cumsum(x);
% Variacion porcentual de y
dpy1 = y(2:T)./y(1:T-1)-1;
% Aprox. de la Variacion porcentual de y
dpy2 = log( y(2:T)./y(1:T-1) );
% Graficas
subplot(2,1,1);
plot(t, x, ... % GWN: Ruido Blanco Gaussiano
t, y);
% RW: Caminata Aleatoria
title(Variables en Niveles);
xlabel(t);
ylabel(x_t, y_t);
01.
02.
03.
04.
05.
06.
07.
08.
09.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
clc; clear;
T = 500;
t = (1:T);
rng(123);
% x~N(0,1)
x = randn(T,1);
y = 50 + cumsum(x);
dpy1 = y(2:T)./y(1:T-1)-1;
dpy2 = log( y(2:T)./y(1:T-1) );
% Graficas
subplot(2,1,1);
t, y, ... % RW: Caminata Aleatoria
[0 T], [50 50], :r);
mataurimaa@uni.pe

29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.

Mdulo Bsico
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
xlabel(t);
ylabel(x_t, y_t);
grid on;
subplot(2,1,2);
plot( t(2:T), 100*dpy1, b-, ...
t(2:T), 100*dpy2, r--);
title(Variaci\U{f3}n Porcentual);
xlabel(t);
ylabel(\Delta%y_t);
grid on;
xlabel(t);
ylabel(x_t, y_t);
grid on;
subplot(2,1,2);
plot( t(2:T), 100*dpy1, b-, ...
t(2:T), 100*dpy2, r--);
title(Variaci\U{f3}n Porcentual);
xlabel(t);
ylabel(\Delta%y_t);
grid on;
Ejecucin:
Ejecucin:
>> grafica2d11
>> grafica2d12
100
150
y t: RW
y t: RW
100
x t, y t
x t, y t
50
-50
x t: GWN
x t: GWN
50
0
-50
50
100
150
200
250
300
t
Variacin Porcentual
350
400
450
500
%y t
10
50
100
150
200
250
300
t
Variacin Porcentual
350
400
450
500
%y t
log(y t/y t-1)
log(y t/y t-1)
%y t
%y t
5
0
-5
-10
-5
0
50
100
150
200
250
t
300
350
400
450
500
t
X
100
150
200
250
t
300
350
400
450
500
Descomponga la serie del PBI de EEUU en ciclo y tendencia mediante el

ltro de Hodrick y Prescott.
xt
Graque la serie del PBI real de EEUU en billones de US$ del 2000, con
una frecuencia trimestal comprendida en el periodo 1947Q1 al 2005Q3
junto a al PBI tendencial.
k=1
01.
02.
03.
04.
05.
06.
07.
08.
09.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
50
13. Crear un script que:
12. Modique el script anterior de manera que la caminata aleatoria contenga

el trmino tendencial 0;1t
yt = 50 + 0;1t +
Graque los ciclos de la serie del PBI real de EEUU.
clc; clear;
Graque las variaciones porcentuales del PBI real de EEUU.
T = 500;
t = (1:T);
01.
02.
03.
04.
05.
06.
07.
08.
09.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
rng(123);
% x~N(0,1)
x = randn(T,1);
y = 50 + 0.1*t + cumsum(x);
dpy1 = y(2:T)./y(1:T-1)-1;
dpy2 = log( y(2:T)./y(1:T-1) );
% Graficas
subplot(2,1,1);
t, y, ... % RW: Caminata Aleatoria
[0 T], [50 50+0.1*T], :r);
clc; clear;
% Cargamos datos
% PBI de EEUU en billones de US$ del 2000
% Frecuencia: Trimestal
% Periodo: 1947Q1 - 2005Q3
load Data_GNP;
% Obtenemos fechas (trimestrales)
gnpdate = dates;
% Obtenemos al serie PBI real
realgnp = Dataset.GNPR;
% Descompocision Tendencia - Ciclo
% mediante el us del Filtro Hodrick-Prescott
[Tendencia, Ciclo] = hpfilter(realgnp, 1600);
% Grafica
figure(1);
subplot(3,1,1);
plot(gnpdate, realgnp, ...
gnpdate, Tendencia, r);
% Serie GNP
% Tendencia GNP
mataurimaa@uni.pe


Mdulo Bsico
04.
05.
06.
07.
08.
09.
subplot(3,1,2);
10.
plot(gnpdate, Ciclo, ...
% Ciclo GNP
11.
[gnpdate(1) gnpdate(end)], [0 0], -k);
12.
xlabel(tiempo (Trimestres));
13.
ylabel(Billones de US$ del 2000);
14.
legend(Ciclo del PBI real);
15.
grid on;
16.
17.
subplot(3,1,3);
18.
T = length(dates);
19.
dprealgnp = realgnp(5:T)./realgnp(1:T-4) - 1;
plot(gnpdate(5:T), 100*dprealgnp, ... % Var. porcentual del GNP 20.
21.
[gnpdate(1) gnpdate(end)], [0 0], -k);
22.
23.
ylabel(Variacion Porcentual Trimestral);
24.
legend(\Delta_4%PBI real);
25.
grid on;
26.
27.
28.
29.
Ejecucin:
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
ylabel(Billones de US$ del 2000);
legend(PBI real, PBI potencial (Tendencia));
grid on;
T = 1000;
t = (1:T);
% Semilla
rng(123);
% Valores centrales
xc = (-4:0.5:4);
% Vector aleatorio y~N(0,1)
x = randn(T,1);
% Grafica del vector y
subplot(2,1,1);
plot(t,x);
title(Secuencia Gaussiana: y_t ~N(0,1));
xlabel(tiempo);
ylabel(y_t);
grid on;
% Grafica de Histograma
subplot(2,1,2);
hist(x,xc);
title(Histograma de y_t);
xlabel(y_t);
grid on;
>> grafica2d13
Ejecucin:
>> grafica2d14
PBI real
PBI potencial (Tendencia)
10000
Secuencia Gaussiana: y t ~ N(0,1)

4
2
5000
yt
Billones de US$ del 2000
15000
0
1940
1950
1960
1970
1980
tiempo (Trimestres)
1990
2000
0
-2
2010
-4
100
200
300
400
-4
-3
-2
-1
Billones de US$ del 2000
400
Ciclo del PBI real
500
600
tiempo
Histograma de y t
700
800
900
1000
200
200
150
0
100
-200
50
Variacin Porcentual Trimestral
-400
1940
1950
1960
1970
1980
tiempo (Trimestres)
1990
2000
0
-5
2010
0
yt
15
4%PBI real
15. Modicar el script anterior de manera que el color de las barras sea azul
y el de los bordes sea blanco.
10
01.
02.
03.
04.
05.
06.
07.
08.
09.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
0
-5
1940
1950
1960
1970
1980
tiempo (Trimestres)
1990
2000
2010
14. Crear un script que graque una secuencia gaussiana

yt
N (0; 1)
y su respectivo histograma con subintervalos centrados entre -4 y 4 con un

paso de 0.5.
01. clc; clear;
02.
03. % Talla de la muestra
clc; clear;
T = 1000;
t = (1:T);
% Semilla
rng(123);
% Valores centrales
xc = (-4:0.5:4);
x = randn(T,1);
subplot(2,1,1);
plot(t,x);
xlabel(tiempo);
mataurimaa@uni.pe

21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.

Mdulo Bsico
30.
31.
32.
33.
34.
ylabel(y_t);
grid on;
subplot(2,1,2);
hist(x,xc);
h = findobj(gca,Type,patch);
set(h, FaceColor, b, ...
EdgeColor, w);
xlabel(y_t);
grid on;
% Superponemos la Grafica de los puntos centrales
hold on;
plot(xc,zeros(size(xc)), .r);
hold off;
grid on;
% Superponemos la Grafica de los puntos centrales
hold on;
plot(xc,zeros(size(xc)), .r);
hold off;
Ejecucin:
>> grafica2d16

4
yt
Ejecucin:
-2
>> grafica2d15
-4
100
200
300
400
500
600
tiempo
Histograma de y t
-4
-3
-2
-1
700
800
900
1000
150
2
yt
200
100
50
-2
-4
0
-5
0
100
200
300
400
500
600
tiempo
Histograma de y t
700
800
900
1000
0
yt
17. Modicar el script anterior de manera que se graque el histograma considerando el intervalo de variacin de x dividido en 20 subintervalos.
200
150
100
01.
02.
03.
04.
05.
06.
07.
08.
09.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
50
0
-5
-4
-3
-2
-1
0
yt
16. Modicar el script anterior de manera que la grca del histograma se

realice mediante barras.
01.
02.
03.
04.
05.
06.
07.
08.
09.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
clc; clear;
T = 1000;
t = (1:T);
% Semilla
rng(123);
% Valores centrales
xc = (-4:0.5:4);
x = randn(T,1);
subplot(2,1,1);
plot(t,x);
xlabel(tiempo);
ylabel(y_t);
grid on;
clc; clear;
T = 1000;
t = (1:T);
% Semilla
rng(123);
x = randn(T,1);
subplot(2,1,1);
plot(t,x);
xlabel(tiempo);
ylabel(y_t);
grid on;
subplot(2,1,2);
nsub = 10;
hist(x, nsub);
xlabel(y_t);
grid on;
subplot(2,1,2);
[n, xout] = hist(x,xc);
bar(xout,n);
xlabel(y_t);
mataurimaa@uni.pe


Mdulo Bsico
El boxplot de caballos de potencia agrupado por numero de cilindros.
Ejecucin:
>> grafica2d17
01.
02.
03.
04.
05.
06.
07.
08.
09.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.

4
yt
2
0
-2
-4
100
200
300
400
500
600
tiempo
Histograma de y t
700
800
900
1000
300
200
100
0
-4
-3
-2
-1
0
yt
clc; clear;
load carsmall;
subplot(2,2,1);
boxplot( MPG, Origin);
xlabel(Pais de Origen);
ylabel(Numero de Millas);
subplot(2,2,2);
boxplot( Acceleration, Model_Year+1900);
xlabel(Anio de Fabricacion);
ylabel(Aceleracion);
subplot(2,2,3);
boxplot( MPG, Cylinders);
xlabel(Numero de Cilindros);
ylabel(Numero de Millas);
subplot(2,2,4);
boxplot( Horsepower, Cylinders);
xlabel(Numero de Cilindros);
ylabel(Caballos de Potencia);
18. Obtener la graca boxplot de dos series de tiempo gaussianas.

Ejecucin:
clc; clear;
>> grafica2d19
T = 100;
rng(12345);
25
xA = randn(T,1);
xB = randn(T,1);
X = [xA xB];
boxplot( X, {Serie A, Serie B} );
xlabel(Series);
ylabel(Valores);
Aceleracin
40
Nmero de Millas
01.
02.
03.
04.
05.
06.
07.
08.
09.
10.
11.
12.
30
20
20
15
10
10
USA
France
Japan
Germany Sweden
Italy
1970
Pais de Origen
Ejecucin:
>> grafica2d18
30
20
10
6
Nmero de Cilindros
150
100
50
2.5
1982
200
Caballos de Potencia
Nmero de Millas
40
1976
Ao de Fabricacin
6
Nmero de Cilindros
2
1.5
Valores
1
0.5
0
-0.5
-1
-1.5
-2
-2.5
Serie A
Serie B
Series
19. Cargar la base de datos carsmall (que trae MATLAB por defecto) y gracar
El boxplot de numero de millas agrupado por paises.
El boxplot de aceleracion agrupado por ao de fabricacin
El boxplot de numero de millas agrupado por numero de cilindros.
mataurimaa@uni.pe


Mdulo Bsico
20. Implementar un script que graque la oferta y demanda del mercado

Demanda : q d = a
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
bp
Oferta : q = cp
donde a; b y c son parmetros. Considere el caso a = 25, b = 2;5 y c = 2.
Personalice la visualizacin para valores en el eje horizontal que varen entre 0
y 25 y valores en el eje vertical que varen entre 0 y 15. Haga uso de funciones
annimas para la especicacin de las funciones de oferta y demanda.
xlabel(q: Cantidad);
ylabel(u.m./producto);
axis([0 25 0 15]);
clc; clear;
Ejecucin:
% Precios
p = (0:25);
>> grafica2d21
% Demanda de Mercado
a = 25;
b = 2.5;
q_d = @(p) a - b*p;
15
% Oferta de Mercado
c = 2;
q_s = @(q) c*p;
10
u.m./producto
01.
02.
03.
04.
05.
06.
07.
08.
09.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
% Grafica
plot(q_d(p), p, ...
q_s(p), p, ...
[qstar qstar], [0 pstar], .:k, ...
[0 qstar], [pstar pstar], .:k);
% Grafica
plot(q_d(p), p, ...
q_s(p), p);
axis([0 25 0 15]);
10
15
q: Cantidad
20
25
22. Implementar un script que permita:

Ejecucin:
1. Modelar una funcin de costos por medio de una polinomio de grado tres.
>> grafica2d20
c(q) = cf + x1 q + x2 q 2 + x3 q 3
donde x1 , x2 , x3 son parmetros que se denen considerando como dados
el costo jo cf , el costo total c0 y marginal m en el punto de inexin q0
de la curva de costos.
15
A partir de esta funcin modelar las siguientes funciones:

u.m./producto
10
Costo Variable : cv (q) = x1 q + x2 q 2 + x3 q 3

c (q)
Costo Medio : cme (q) =
q
cv (q)
Costo Variable Medio : cf me (q) =
q
cf
Costo Fijo Medio : cf me (q) =
q
Costo Marginal : cm (q) = x1 + 2x2 q + 3x3 q 2
10
15
q: Cantidad
20
25
habiendo primero denido a la funcin de costos totales.

2. Modelar una funcin inversa lineal de mercado
21. Modicar el script anterior de manera que se visualice el equilibrio de

mercado. Considere las sentencias de trazado convenientes.
p (q) = a
01.
02.
03.
04.
05.
06.
07.
08.
09.
10.
11.
12.
13.
14.
15.
16.
17.
18.
bq
y a partir de ella denir las funciones
clc; clear;
Ingreso Total : it (q) = p (q) q

Ingreso Marginal : im (q) = a
% Precios
p = (0:25);
2bq
Benecio : benef icio (q) = it (q)
c (q)
Benecio Marginal : benef iciom (q) = im (q)

% Demanda Inversa
a = 25;
b = 2.5;
q_d = @(p) a - b*p;
cm (q)
3. Efectue los clculos pertinentes que permitan obtener

La cantidad q1 en la que
cm(q1 ) = cme(q1 )
% Oferta
c = 2;
q_s = @(q) c*p;
La cantidad qc en la que
cvme(qc ) = cm(qc )
% Equilibrio
pstar = a/(b+c);
qstar = a-b*pstar;
La cantidad q optima en la que

im(q ) = cm(q )
9
mataurimaa@uni.pe


Mdulo Bsico
Las cantidades qb1 y qb2 extremo de la funcion de benecios
074.
075.
076.
077.
078.
079.
080.
081.
082.
083.
084.
085.
086.
087.
088.
089.
090.
091.
092.
093.
094.
095.
096.
097.
098.
099.
100.
101.
102.
103.
104.
105.
106.
107.
108.
109.
110.
111.
112.
113.
114.
115.
116.
117.
118.
119.
120.
121.
122.
123.
124.
125.
126.
127.
128.
129.
130.
131.
132.
133.
134.
135.
136.
137.
138.
139.
140.
141.
142.
143.
144.
145.
146.
147.
4. Graque todas las funciones obtenidas, considerando las cantidades

obtenidas en el item 3.
001.
002.
003.
004.
005.
006.
007.
008.
009.
010.
011.
012.
013.
014.
015.
016.
017.
018.
019.
020.
021.
022.
023.
024.
025.
026.
027.
028.
029.
030.
031.
032.
033.
034.
035.
036.
037.
038.
039.
040.
041.
042.
043.
044.
045.
046.
047.
048.
049.
050.
051.
052.
053.
054.
055.
056.
057.
058.
059.
060.
061.
062.
063.
064.
065.
066.
067.
068.
069.
070.
071.
072.
073.
clc; clear;
%% PARAMETROS
% Parametros de la curva de costos c(q)
% c(q) = cf + x(1).q + x(2).q^2 + x(3).q^3
cf = 40;
m = 1;
c0 = 50;
q0 = 5;
%
%
a
b
Parametros de la Demanda inversa de mercado

p = @(q) a-b*q;
= 14;
= 0.4;
% Obtencion de los coeficientes de c(q)

% x = [ x(1) x(2) x(3) ]
A = [ q0 q0^2
q0^3; ...
1 2*q0 3*q0^2; ...
0
2
6*q0 ];
B = [c0-cf; m; 0];
x = A\B;
%% FUNCIONES
% Funciones de Costo
c = @(q) cf + x(1)*q + x(2)*q.^2 + x(3)*q.^3;
cv = @(q) c(q) - cf;
cme = @(q) c(q)./q;
cvme = @(q) cv(q)./q;
cfme = @(q) cf./q;
cm = @(q) x(1) + 2*x(2)*q + 3*x(3)*q.^2;
% Demanda inversa de mercado
p = @(q) a-b*q;
% Funciones de Ingreso
it = @(q) p(q).*q;
im = @(q) a-2*b*q;
% Beneficio Total
beneficio = @(q) it(q) - c(q);
% Beneficio Marginal
beneficiom = @(q) im(q) - cm(q);
%% CALCULOS
% Calculo de q1 : cm(q1) = cme(q1)
r = roots( [2*x(3) x(2) 0 -cf] );
q1 = r(imag(r)==0);
% Calculo del punto de cierre: cvme(q)=cm(q)
qc = -x(2)/(2*x(3));
% NOTA: x(2)<0, x(3)>0
% Dominio de graficas
q = (0:0.5:30);
% Dominio del punto de cierre
qcm = (qc:0.5:30);
% optimo
r = roots([3*x(3) 2*(x(2)+b) x(1)-a]);
qstar = r(r>0);
% extremos beneficio
r = roots([x(3) x(2)+b x(1)-a cf]);
qb = sort(r(r>0));
subplot(2,3,4);
plot(q, cm(q), ...
q, cme(q), ...
q, cvme(q), ...
q, cfme(q), ...
[qc qc], [0 cm(qc)],
[q0 q0], [0 cm(q0)],
[q1 q1], [0 cm(q1)],
legend(cm(q), cme(q),
axis([0 25 0 15]);
:.b, ...
:.k, ...
:.k);
cvme(q), cfme(q));
subplot(2,3,2);
plot(q, c(q), ...
q, it(q), ...
[qstar qstar], [0 c(qstar)], .:k, ...
[qstar qstar], [c(qstar) it(qstar)], .-k, ...
[qb(1) qb(1)], [0 c(qb(1))], .:k, ...
[qb(2) qb(2)], [0 c(qb(2))], .:k, ...
[qc qc qc], [0 c(qc) it(qc)], .:b);
ylabel(u.m.);
legend(c(q), it(q), \pi(q)^*);
axis([0 25 0 200]);
subplot(2,3,5);
plot(qcm, cm(qcm), ...
q, cme(q), ...
q, p(q), r, ...
q, im(q) , :r, ...
[qc qc], [0 cm(qc)], :.b, ...
[qstar qstar], [0 cm(qstar)], .:k, ...
[qstar qstar], [0 p(qstar)], .:k, ...
[0 qstar], [cm(qstar) cm(qstar)], .:k, ...
[0 qstar], [p(qstar) p(qstar)], .:k );
axis([0 25 0 15]);
legend(cm(q), cme(q), p(q), im(q));
subplot(2,3,3);
plot(q, beneficio(q), ...
[qstar qstar], [0 beneficio(qstar)], .-k, ...
[qc qc], [0 beneficio(qc)], .:b, ...
[qb(1) qb(2)], [0 0], .k, ...
[0 q(end)], [0 0], -k);
ylabel(u.m.);
legend(\pi(q), \pi(q)^*);
axis([0 25 -50 150]);
subplot(2,3,6);
plot(q, beneficiom(q), ...
[qc qc], [0 beneficiom(qc)], .:b, ...
qstar, 0, .k, ...
[qb(1) qb(1)], [0 beneficiom(qb(1))], .:k, ...
[0 q(end)], [0 0], -k);
legend(\pi(q));
axis([0 25 -20 20]);
Ejecucin:
%% GRAFICAS
subplot(2,3,1);
plot(q, c(q), ...
q, cv(q), --b, ...

[0 q(end)], [cf cf], --k, ...
[0 q(end)], [0 q(end)*cme(q1)], :r, ...
[q0 q0], [0 c0], :.k, ...
[q1 q1], [0 c(q1)], :.k);
ylabel(u.m.);
legend(c(q), cv(q), cf);
axis([0 25 0 200]);
>> grafica2d22
10
mataurimaa@uni.pe
u.m.
u.m./producto
10
15
q: Cantidad
20
25
11
10
15
10
15
q: Cantidad
20
25
cm(q)
cme(q)
cvme(q)
cfme(q)
10
15
50
100
150
200
50
100
150
c(q)
cv(q)
cf
u.m.
u.m./producto
(q)*
c(q)
it(q)
10
15
q: Cantidad
10
15
q: Cantidad
20
20
25
cm(q)
cme(q)
p(q)
im(q)
25
u.m.
u.m./producto
200
-20
-15
-10
-5
10
15
20
-50
50
100
150
(q)*
(q)
10
15
q: Cantidad
10
15
q: Cantidad
20
20
'(q)
25
25

Mdulo Bsico
mataurimaa@uni.pe


Mdulo Bsico
23. Modique el script anterior de manera que la grca de los valores de las
variables asociados a niveles de produccin por debajo del nivel de punto de
cierre (qc ) se visualicen con guiones y de color gris.
075.
076.
077.
078.
079.
080.
081.
082.
083.
084.
085.
086.
087.
088.
089.
090.
091.
092.
093.
094.
095.
096.
097.
098.
099.
100.
101.
102.
103.
104.
105.
106.
107.
108.
109.
110.
111.
112.
113.
114.
115.
116.
117.
118.
119.
120.
121.
122.
123.
124.
125.
126.
127.
128.
129.
130.
131.
132.
133.
134.
135.
136.
137.
138.
139.
140.
141.
142.
143.
144.
145.
146.
147.
148.
149.
150.
151.
152.
153.
001.
002.
003.
004.
005.
006.
007.
008.
009.
010.
011.
012.
013.
014.
015.
016.
017.
018.
019.
020.
021.
022.
023.
024.
025.
026.
027.
028.
029.
030.
031.
032.
033.
034.
035.
036.
037.
038.
039.
040.
041.
042.
043.
044.
045.
046.
047.
048.
049.
050.
051.
052.
053.
054.
055.
056.
057.
058.
059.
060.
061.
062.
063.
064.
065.
066.
067.
068.
069.
070.
071.
072.
073.
074.
clc; clear;
%% PARAMETROS
% Parametros de la curva de costos c(q)
% c(q) = cf + x(1).q + x(2).q^2 + x(3).q^3
cf = 40;
m = 1;
c0 = 50;
q0 = 5;
%
%
a
b
Parametros de la Demanda inversa de mercado

p = @(q) a-b*q;
= 14;
= 0.4;
% Obtencion de los coeficientes de c(q)

% x = [ x(1) x(2) x(3) ]
A = [ 1 2*q0 3*q0^2; ...
q0 q0^2
q0^3; ...
0
2
6*q0 ];
B = [m; c0-cf; 0];
x = A\B;
%% FUNCIONES
% Funciones de Costo
c = @(q) cf + x(1)*q + x(2)*q.^2 + x(3)*q.^3;
cv = @(q) c(q) - cf;
cme = @(q) c(q)./q;
cvme = @(q) cv(q)./q;
cfme = @(q) cf./q;
cm = @(q) x(1) + 2*x(2)*q + 3*x(3)*q.^2;
% Demanda inversa de mercado
p = @(q) a-b*q;
% Funciones de Ingreso
it = @(q) p(q).*q;
im = @(q) a-2*b*q;
% Beneficio Total
beneficio = @(q) it(q) - c(q);
% Beneficio Marginal
beneficiom = @(q) im(q) - cm(q);
%% CALCULOS
% Calculo de q1 : cm(q1) = cme(q1)
r = roots( [2*x(3) x(2) 0 -cf] );
q1 = r(imag(r)==0);
% Calculo del punto de cierre: cvme(q)=cm(q)
qc = -x(2)/(2*x(3));
% NOTA: x(2)<0, x(3)>0
% Dominio de graficas
q = (0:0.5:30);
% Dominio del punto de cierre
qcm = (qc:0.5:30);
% optimo
r = roots([3*x(3) 2*(x(2)+b) x(1)-a]);
qstar = r(r>0);
% extremos beneficio
r = roots([x(3) x(2)+b x(1)-a cf]);
qb = sort(r(r>0));
%% GRAFICAS
subplot(2,3,1);
plot(q, c(q), ...
q, cv(q), --b, ...
12
[0 q(end)], [cf cf], --k, ...

[0 q(end)], [0 q(end)*cme(q1)], :r, ...
[q0 q0], [0 c0], :.k, ...
[q1 q1], [0 c(q1)], :.k);
ylabel(u.m.);
legend(c(q), cv(q), cf);
axis([0 25 0 200]);
subplot(2,3,4);
h = plot(qcm, cm(qcm), ...
q, cme(q), ...
q, cvme(q), ...
q, cfme(q), ...
[qc qc], [0 cm(qc)], :.b, ...
[q0 q0], [0 cm(q0)], :.k, ...
[q1 q1], [0 cm(q1)], :.k, ...
q(q<=qc), cm(q(q<=qc)), :);
set(h(8), Color, [0.7 0.7 0.7]);
legend(cm(q), cme(q), cvme(q), cfme(q));
axis([0 25 0 15]);
subplot(2,3,2);
plot(q, c(q), ...
q, it(q), ...
[qstar qstar], [c(qstar) it(qstar)], .-k, ...
[qb(1) qb(1)], [0 c(qb(1))], .:k, ...
[qb(2) qb(2)], [0 c(qb(2))], .:k, ...
[qc qc qc], [0 c(qc) it(qc)], .:b);
ylabel(u.m.);
legend(c(q), it(q), \pi(q)^*);
axis([0 25 0 200]);
subplot(2,3,5);
h2 = plot( qcm, cm(qcm), ...
q, cme(q), ...
q, p(q), r, ...
q, im(q) , :r, ...
[qc qc], [0 cm(qc)], :.b, ...
[qstar qstar], [0 cm(qstar)], .:k, ...
[qstar qstar], [0 p(qstar)], .:k, ...
[0 qstar], [cm(qstar) cm(qstar)], .:k, ...
[0 qstar], [p(qstar) p(qstar)], .:k, ...
q(q<=qc), cm(q(q<=qc)), :);
set(h2(10), Color, [0.7 0.7 0.7]);
axis([0 25 0 15]);
legend(cm(q), cme(q), p(q), im(q));
subplot(2,3,3);
h3 = plot(qcm, beneficio(qcm), ...
[qstar qstar], [0 beneficio(qstar)], .-k, ...
[qc qc], [0 beneficio(qc)], .:b, ...
[qb(1) qb(2)], [0 0], .k, ...
[0 q(end)], [0 0], -k, ...
q(q<=qc), beneficio(q(q<=qc)), :);
set(h3(6), Color, [0.7 0.7 0.7]);
ylabel(u.m.);
legend(\pi(q), \pi(q)^*);
axis([0 25 -50 150]);
subplot(2,3,6);
h4 = plot(qcm, beneficiom(qcm), ...
[qc qc], [0 beneficiom(qc)], .:b, ...
qstar, 0, .k, ...
[0 q(end)], [0 0], -k, ...
q(q<=qc), beneficiom(q(q<=qc)), :);
set(h4(7), Color, [0.7 0.7 0.7]);
mataurimaa@uni.pe
u.m.
u.m./producto
10
15
q: Cantidad
20
25
13
10
15
10
15
q: Cantidad
20
cm(q)
cme(q)
cvme(q)
cfme(q)
25
10
15
50
100
150
200
50
100
150
c(q)
cv(q)
cf
u.m.
u.m./producto
10
15
q: Cantidad
10
15
q: Cantidad
20
cm(q)
cme(q)
p(q)
im(q)
20
(q)*
c(q)
it(q)
25
25
u.m.
u.m./producto
200
-20
-15
-10
-5
10
15
20
-50
50
100
150
10
15
q: Cantidad
10
15
q: Cantidad
20
20
'(q)
(q)*
(q)
25
25

Mdulo Bsico
154. legend(\pi(q));
155. axis([0 25 -20 20]);
Ejecucin:
>> grafica2d23
mataurimaa@uni.pe


Mdulo Bsico
24.
14
mataurimaa@uni.pe

Ataurima M. - Laboratorio No.4v1

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Ataurima M. - Laboratorio No.4v1

Uploaded by

Copyright:

Available Formats

MATLAB para el Anlisis Econmico

Gua de Laboratorio No.4

I. Grcas en dos dimensiones

1. Implemente un programa que permita gracar la funcin y = e

Grfica de funcin bidimensional

3. Aada el cdigo necesario al script anterior para restringir el area de visualizacin

Eje y: [ 0;5; 1;5]

Rtulos en los ejes

title(Grafica de funcion bidimensional);

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

MATLAB para el Anlisis Econmico

para todo x 2 [ 3; 3] con un paso de x = 0;01.

Eje y: [ 0;5; 1;5]

title(Grafica de funcion bidimensional);

axis([-4 4 -0.5 1.5]);

para el juego de parmetros

Aada a la grca los detalles que crea conveniente.

5. Modicar el script del problema 3 de manera que se aadan la grca los

title(Grafica de la funcion de densidad normal);

title(Grafica de funcion bidimensional);

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

MATLAB para el Anlisis Econmico

Grfica de la funcin de densidad normal

7. Modique el script anterior de manera que se graque la funcin de densidad

% Calculo de y = f(x) densidad normal con x~N(0,1)

Grfica de la funcin de densidad normal

title(Grafica de la funcion de densidad normal);

% Funcion Anonima fnormal = f(x)

axis([-4+mu 4+mu 0 0.5]);

con xt N (0; 1).

8. Modique el script anterior de manera que se graque la funcin de densidad

EXPOSITOR: Miguel Ataurima Arellano

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

MATLAB para el Anlisis Econmico

legend(x_t: GWN, y_t: RW);

log(y t/y t-1)

10. Modique el script anterior de manera se visualice la ventana dividida en

En la 1era. subgrca se visualice la grca del ruido blanco Gaussiano

En la 2da. subgrca se visualice la grca de las variaciones porcentuales:

1 para todo t = 2; :::; T

para todo t = 2; :::; T

EXPOSITOR: Miguel Ataurima Arellano

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

MATLAB para el Anlisis Econmico

log(y t/y t-1)

log(y t/y t-1)

Descomponga la serie del PBI de EEUU en ciclo y tendencia mediante el

13. Crear un script que:

12. Modique el script anterior de manera que la caminata aleatoria contenga

Graque los ciclos de la serie del PBI real de EEUU.

EXPOSITOR: Miguel Ataurima Arellano

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

MATLAB para el Anlisis Econmico

Secuencia Gaussiana: y t ~ N(0,1)

Billones de US$ del 2000

Billones de US$ del 2000

Variacin Porcentual Trimestral

14. Crear un script que graque una secuencia gaussiana

y su respectivo histograma con subintervalos centrados entre -4 y 4 con un

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

MATLAB para el Anlisis Econmico

Secuencia Gaussiana: y t ~ N(0,1)

Secuencia Gaussiana: y t ~ N(0,1)

16. Modicar el script anterior de manera que la grca del histograma se