In [4]:

    

# Importando módulos necesarios 
import matplotlib.pyplot as plt
import numpy as np 
from scipy import stats 
import seaborn as sns


    

In [17]:

    

# Ejercicio 1
# Graficando Beta
a, b = 0.5, 0.5 # parametros de forma
beta = stats.beta(a,b)
x = np.linspace(beta.ppf(0.01),
                beta.ppf(0.99), 100)
fp = beta.pdf(x) # Función de Probabilidad
plt.plot(x, fp)

a, b = 5, 1 # parametros de forma
beta = stats.beta(a,b)
x = np.linspace(beta.ppf(0.01),
                beta.ppf(0.99), 100)
fp = beta.pdf(x) # Función de Probabilidad
plt.plot(x, fp)

a, b = 1, 3 # parametros de forma
beta = stats.beta(a,b)
x = np.linspace(beta.ppf(0.01),
                beta.ppf(0.99), 100)
fp = beta.pdf(x) # Función de Probabilidad
plt.plot(x, fp)

a, b = 2, 2 # parametros de forma
beta = stats.beta(a,b)
x = np.linspace(beta.ppf(0.01),
                beta.ppf(0.99), 100)
fp = beta.pdf(x) # Función de Probabilidad
plt.plot(x, fp)

a, b = 2, 5 # parametros de forma
beta = stats.beta(a,b)
x = np.linspace(beta.ppf(0.01),
                beta.ppf(0.99), 100)
fp = beta.pdf(x) # Función de Probabilidad
plt.plot(x, fp)


plt.title('Distribución Beta')
plt.ylabel('probabilidad')
plt.xlabel('valores')
plt.show()


    

In [25]:

    

# Ejercicio 2
aleatorios = beta.rvs(1000) # genera aleatorios
print(np.mean(aleatorios))
print(np.median(aleatorios))
print(stats.mode(aleatorios))
print(np.std(aleatorios))
print(stats.skew(aleatorios))


    

    




0.517524681241
0.550301911315
ModeResult(mode=array([ 1.]), count=array([17]))
0.411891138469
-0.06540722343219814

In [ ]: