Generación de Números Pseudo-Aleatorios

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Generación de Números Pseudo-Aleatorios"

Transcripción

1 Números Aleatorios Son un ingrediente básico en la simulación de sistemas Los paquetes de simulación generan números aleatorios para simular eventos de tiempo u otras variables aleatorias Una secuencia de números aleatorios debe tener dos propiedades importantes: -Uniformidad -Independencia Cada número aleatorio es una muestra independiente tomada de una distribución continua uniforme entre 0 y 1 Su valor esperado es 1/2 y su varianza 1/12

2 Generación de Números Pseudo-Aleatorios Es el uso de un método para la generación de números aleatorios. Si el método es conocido, una secuencia de números puede ser regenerada. Por eso es que se dice que no son completamente aleatorios. La meta de cualquier método es el producir una secuencia de números entre cero y uno que simule o imite las propiedades ideales de una distribución uniforme e independiente, tan cerca como sea posible.

3 Posibles Errores en la Generación de Números Pesudo-Aleatorios Los números generados pueden no estar uniformemente distribuidos Los números generados pueden estar valores discretos en lugar de valores continuos La media puede ser muy alta o muy baja La varianza puede ser muy alta o muy baja Pueden tener variaciones cíclicas como: Autocorrelación entre números, números sucesivamente mas altos o bajos que sus adyacentes Un grupo grande de números por debajo de la media seguidos de otro grupo grande de números por arriba de la media

4 Detección de Errores en la Generación de Números Pseudo-Aleatorios Existen pruebas para determinar si los números generados no cumplen con las propiedades de uniformidad e independencia. En la mayoría de los lenguajes de simulación comerciales, los generadores de números aleatorios contenidos en ellos han sido apropiadamente probados.

5 Tipos de Pruebas Prueba de Frecuencias: Se usa la prueba de Kolmogorov-Smirnov o la de Chi-cuadrada para comparar la distribución de los números generados con una distribución normal. Prueba de Corridas: Probar las corridas hacia arriba o hacia abajo o por arriba o debajo de la media comparando los valores actuales con los valores esperados. Prueba de Autocorrelación: Prueba la autocorrelación entre números y compara la correlación de la muestra con una correlación esperada de cero.

6 Tipos de Pruebas (Cont.) Prueba por bandas: Cuenta el número de dígitos que aparecen entre repeticiones de un dígito en particular y usa la prueba de Kolmogorov-Smirnov para compararla con el tamaño esperado de las bandas. Prueba del Poker: Trata a los números agrupados como una mano de Poker. Entonces la manos obtenidas son comparadas con lo que es esperado usando la prueba de Chi-cuadrada.

7 Generación de Variables Aleatorias Las líneas de espera y otros sistemas nos muestran la utilidad de las distribuciones de probabilidad para modelar actividades que generalmente son impredecibles o inciertas como los tiempos de arribo y servicio en las líneas de espera o la demanda de algún producto. Estas actividades pueden ser modeladas como variables aleatorias con alguna distribución estadística específica. Existen procedimientos estadísticos estándares para la determinación de los parámetros de la distribución hipotética y para probar la validez del modelo estadístico asumido.

8 Métodos para Generación de Variables Aleatorias

9 Técnica de la Transformada Inversa Puede ser usada para muestrear distribuciones exponencial, uniforme, Weibull y triangular. Es usada como base para muestrear una gran variedad de distribuciones discretas. Es la técnica mas facil, pero no siempre es la mas eficiente en términos computacionales.

10 Transformación Directa de la Distribución Normal Técnica intuitiva de transformación directaque produce un par de variables normales estandar independientes una de otra con media cero y varianza uno. No es tan eficiente pero es fácil de implementar en leguajes como C, Pascal o FORTRAN.

11 Método de Convolución La distribución de probabilidad de la suma de dos o mas variables aleatorias independientes es llamada la convolución de las distribuciones de las variables originales. El método de convolución es entonces la suma de dos o mas variables aleatorias para obtener una nueva variable aleatoria con la distribución de probabilidad deseada. Puede ser usada para obtener variables con distribuciones Erlang y binomiales.

12 Técnica de Aceptación-Rechazo Se generan variables aleatorias con alguna distribución y son aceptadas si cumplen con una condición determinada, sino son rechazadas. La eficiencia de esta técnica depende grandemente en ser capaz de minimizar el número de rechazos. La número medio de dígitos aleatorios requerido para generar una variable X es uno mas que el número de rechazos.

SIMULACIÓN CAPITULO 3 LECTURA 6.3. SIMULACIÓN Y ANÁLISIS DE MODELOS ESTOCÁSTICOS Azarang M., Garcia E. Mc. Graw Hill. México 3.

SIMULACIÓN CAPITULO 3 LECTURA 6.3. SIMULACIÓN Y ANÁLISIS DE MODELOS ESTOCÁSTICOS Azarang M., Garcia E. Mc. Graw Hill. México 3. LECTURA 6.3 SIMULACIÓN Y ANÁLISIS DE MODELOS ESTOCÁSTICOS Azarang M., Garcia E. Mc. Graw Hill. México CAPITULO 3 SIMULACIÓN 3.1 INTRODUCCIÓN Simulación es el desarrollo de un modelo lógico-matemático de

Más detalles

13. Técnicas de simulación mediante el método de Montecarlo

13. Técnicas de simulación mediante el método de Montecarlo 13. Técnicas de simulación mediante el método de Montecarlo Qué es la simulación? Proceso de simulación Simulación de eventos discretos Números aleatorios Qué es la simulación? Simulación = técnica que

Más detalles

Simulación Computacional. Tema 1: Generación de números aleatorios

Simulación Computacional. Tema 1: Generación de números aleatorios Simulación Computacional Tema 1: Generación de números aleatorios Irene Tischer Escuela de Ingeniería y Computación Universidad del Valle, Cali Typeset by FoilTEX 1 Contenido 1. Secuencias pseudoaleatorias

Más detalles

Unidad II: Números pseudoaleatorios

Unidad II: Números pseudoaleatorios Unidad II: Números pseudoaleatorios 2.1 Métodos de generación de números Pseudoaleatorio Métodos mecánicos La generación de números aleatorios de forma totalmente aleatoria, es muy sencilla con alguno

Más detalles

DESCRIPCIÓN ESPECÍFICA

DESCRIPCIÓN ESPECÍFICA DESCRIPCIÓN ESPECÍFICA NÚCLEO: COMERCIO Y SERVICIO SUBSECTOR: PRODUCCION Y SALUD OCUPACIONAL Nombre del Módulo: Análisis estadístico de datos. total: 45 HORAS. Objetivo General: Analizar la conformidad

Más detalles

Universidad TecMilenio: Profesional IO04002 Investigación de Operaciones II

Universidad TecMilenio: Profesional IO04002 Investigación de Operaciones II IO04002 Investigación de Operaciones II Tema #4 Generación de números pseudo aleatorios y Objetivo de aprendizaje del tema Al finalizar la sesión serás capaz de: Calcular números pseudo aleatorios. Determinar

Más detalles

Statgraphics Centurión

Statgraphics Centurión Facultad de Ciencias Económicas y Empresariales. Universidad de Valladolid 1 Statgraphics Centurión I.- Nociones básicas El paquete Statgraphics Centurión es un programa para el análisis estadístico que

Más detalles

Simulación. Carrera: SCD-1022 SATCA 1

Simulación. Carrera: SCD-1022 SATCA 1 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Simulación Ingeniería en Sistemas Computacionales Clave de la asignatura: SATCA 1 SCD-1022 2 3 5 2.- PRESENTACIÓN Caracterización de la asignatura.

Más detalles

Simulación. Carrera: INE-0405 2-2-6. Participantes. Representante de las academias de ingeniería industrial de los Institutos Tecnológicos.

Simulación. Carrera: INE-0405 2-2-6. Participantes. Representante de las academias de ingeniería industrial de los Institutos Tecnológicos. 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Simulación Ingeniería Industrial INE-0405 2-2-6 2.- HISTORIA DEL PROGRAMA Lugar

Más detalles

Programación en R para Estadística. Simulación

Programación en R para Estadística. Simulación Programación en R para Estadística 1 de 2 Programación en R para Estadística Simulación J. Elías Rodríguez M. Facultad de Matemáticas Universidad de Guanajuato XXIII Foro Nacional de Estadística 11 de

Más detalles

Curso: Métodos de Monte Carlo. Unidad 1, Sesión 2: Conceptos básicos

Curso: Métodos de Monte Carlo. Unidad 1, Sesión 2: Conceptos básicos Curso: Métodos de Monte Carlo. Unidad 1, Sesión 2: Conceptos básicos Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República, Montevideo, Uruguay

Más detalles

Prácticas de Simulación (Sistemas) Autor: M. en C. Luis Ignacio Sandoval Paéz

Prácticas de Simulación (Sistemas) Autor: M. en C. Luis Ignacio Sandoval Paéz 1 Prácticas de Simulación (Sistemas) Autor: M. en C. Luis Ignacio Sandoval Paéz 2 ÍNDICE Introducción 3 Aplicaciones de la Simulación 3 La Metodología de la Simulación por Computadora 5 Sistemas, modelos

Más detalles

Capítulo 7: Distribuciones muestrales

Capítulo 7: Distribuciones muestrales Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.

Más detalles

INDICE Prefacio 1 Introducción 2 Organizaciones de los datos para que transmitan un significado: tablas y graficas

INDICE Prefacio 1 Introducción 2 Organizaciones de los datos para que transmitan un significado: tablas y graficas INDICE Prefacio 1 Introducción 1-1 Preámbulo 1-2 Reseña histórica 1-3 Subdivisiones de la estadística 1-4 Estrategia, suposiciones y enfoque 2 Organizaciones de los datos para que transmitan un significado:

Más detalles

ÍNDICE DE CONTENIDOS. Capítulo 1 Presentación

ÍNDICE DE CONTENIDOS. Capítulo 1 Presentación ÍNDICE DE CONTENIDOS Capítulo 1 Presentación Capítulo 2 Introducción al proceso de decisión bajo riesgo e incertidumbre 2.1. Resumen del capítulo 2.2. Introducción 2.3. El concepto de riesgo e incertidumbre

Más detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. puntual y por intervalo ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio

Más detalles

Probabilidades y Estadística (Computación) Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires Ana M. Bianco y Elena J.

Probabilidades y Estadística (Computación) Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires Ana M. Bianco y Elena J. Generación de Números Aleatorios Números elegidos al azar son útiles en diversas aplicaciones, entre las cuáles podemos mencionar: Simulación o métodos de Monte Carlo: se simula un proceso natural en forma

Más detalles

Pruebas de Hipótesis de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Pruebas de Hipótesis de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Pruebas de ipótesis de Una y Dos Muestras UCR ECCI CI-35 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides ipótesis Estadísticas Conceptos Generales En algunos casos el científico

Más detalles

MEDICIÓN BILATERAL DE LA VARIABILIDAD DE LA LONGITUD

MEDICIÓN BILATERAL DE LA VARIABILIDAD DE LA LONGITUD MEDICIÓN BILATERAL DE LA VARIABILIDAD DE LA LONGITUD DE CORRIDA DE UNA CARTA DE CONTROL ESTADÍSTICO DE PROCESOS SU APLICACIÓN PARA DETERMINAR LA SENSIBILIDAD DE LA CARTA CUSUM NORMAL ANTE LA PRESENCIA

Más detalles

MATEMÁTICA NM4 4º EM

MATEMÁTICA NM4 4º EM MATEMÁTICA NM4 4º EM UNIDADES TEMÁTICAS UNIDAD Nº 01: ESTADÍSTICA Y PROBABILIDAD Conceptos generales : Población, muestra, parámetro y estadístico Variables y su clasificación Medición y escalas Organización

Más detalles

CAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de

CAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.

Más detalles

La distribución normal o de Gauss

La distribución normal o de Gauss La distribución normal o de Gauss Distribución límite La distribución Normal o de Gauss La distribución de Gauss tipificada La función integral. Cálculo de la función integral La desviación estándar de

Más detalles

UNIVERSIDAD DEL TOLIMA FACULTAD DE CIENCIAS PROGRAMA MATEMÁTICAS CON ÉNFASIS EN ESTADÍSTICA RUBEN DARIO GUEVARA, FERNANDO ALONSO VELEZ

UNIVERSIDAD DEL TOLIMA FACULTAD DE CIENCIAS PROGRAMA MATEMÁTICAS CON ÉNFASIS EN ESTADÍSTICA RUBEN DARIO GUEVARA, FERNANDO ALONSO VELEZ UNIVERSIDAD DEL TOLIMA FACULTAD DE CIENCIAS PROGRAMA MATEMÁTICAS CON ÉNFASIS EN ESTADÍSTICA 1. IDENTIFICACIÓN ASIGNATURA: SIMULACIÓN ESTADÍSTICA CODIGO: 070110 NIVEL: VI CREDITOS: 3 DESCRIPCIÓN: DOCENTES:

Más detalles

Simulación, Método de Montecarlo

Simulación, Método de Montecarlo Simulación, Método de Montecarlo Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Marzo 2011 Introducción 2 Introducción............................................................

Más detalles

SÍLABO. VIII Ciclo 3 Teoría y 2 Práctica

SÍLABO. VIII Ciclo 3 Teoría y 2 Práctica SÍLABO I. DATOS GENERALES 1.1. Nombre de la Asignatura 1.2. Carácter 1.3. Carrera Profesional 1.4. Código 1.5. Semestre Académico 1.6. Ciclo Académico 1.7. Horas de Clase 1.8. Créditos 1.9. Pre Requisito

Más detalles

PROGRAMA DE ESTUDIO. Horas de Práctica

PROGRAMA DE ESTUDIO. Horas de Práctica PROGRAMA DE ESTUDIO Nombre de la asignatura: MODELADO Y SIMULACIÓN DE PROCESOS Clave: IQM12 Ciclo Formativo: Básico ( ) Profesional (X) Especializado ( ) Fecha de elaboración: 7 DE MARZO DE 2015 Horas

Más detalles

Unidad II: Números pseudoalealeatorios

Unidad II: Números pseudoalealeatorios 1 Unidad II: Números pseudoalealeatorios Generación de números aleatorios Un Número Aleatorio se define como un número al azar comprendido entre cero y uno. Su característica principal es que puede suceder

Más detalles

1. IDENTIFICACION DE LA ASIGNATURA

1. IDENTIFICACION DE LA ASIGNATURA UNIVERSIDAD DE SANTIAGO DE CHILE FACULTAD DE ADMINISTRACION Y ECONOMIA DEPARTAMENTO DE CONTABILIDAD Y AUDITORIA PROGRAMA DE ESTUDIO ESTADISTICAS APLICADA I 1. IDENTIFICACION DE LA ASIGNATURA 2. OBJETIVOS

Más detalles

Universidad del CEMA Master en Finanzas 2006

Universidad del CEMA Master en Finanzas 2006 Universidad del CEMA Master en Finanzas 2006 La Simulación como una herramienta para el manejo de la incertidumbre Fabián Fiorito ffiorito@invertironline.com Tel.: 4000-1400 Hoy en día la simulación es

Más detalles

Curso de Estadística no-paramétrica

Curso de Estadística no-paramétrica Curso de Estadística no-paramétrica Sesión 1: Introducción Inferencia no Paramétrica David Conesa Grup d Estadística espacial i Temporal Departament d Estadística en Epidemiologia i Medi Ambient i Investigació

Más detalles

Las Matemáticas En Ingeniería

Las Matemáticas En Ingeniería Las Matemáticas En Ingeniería 1.1. Referentes Nacionales A nivel nacional se considera que el conocimiento matemático y de ciencias naturales, sus conceptos y estructuras, constituyen una herramienta para

Más detalles

ESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS

ESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS ESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS DESCRIPCIÓN DEL TEMA: 10.1. Introducción. 10.2. Método de las transformaciones. 10.3. Método de inversión. 10.4. Método de aceptación-rechazo.

Más detalles

FILTRADO DE IMÁGENES

FILTRADO DE IMÁGENES FILTRADO DE IMÁGENES 1 INDICE RUIDO Qué es el ruido? Tipos de ruido TECNICAS DE FILTRADO EN DOMINIO ESPACIAL Promediado de imágenes Filtros de orden Filtros de medias DOMINIO FRECUENCIAL FUNCIONES EN MATLAB

Más detalles

IES CANARIAS CABRERA PINTO DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS 1º ESO SEPTIEMBRE 2015

IES CANARIAS CABRERA PINTO DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS 1º ESO SEPTIEMBRE 2015 CONTENIDOS MÍNIMOS 1º ESO SEPTIEMBRE 2015 UNIDAD 1: LOS NÚMEROS NATURALES. OPERACIONES Y RELACIONES El sistema de numeración decimal Estimación y redondeo de un número natural Las operaciones con números

Más detalles

Distribuciones de Probabilidad en Arena

Distribuciones de Probabilidad en Arena Distribuciones de Probabilidad en Arena Arena posee una amplia gama de funciones o distribuciones estadísticas incorporadas para la generación de números aleatorios. Estas distribuciones aparecen cuando,

Más detalles

5. DISTRIBUCIONES DE PROBABILIDADES

5. DISTRIBUCIONES DE PROBABILIDADES 5. DISTRIBUCIONES DE PROBABILIDADES Dr. http://academic.uprm.edu/eacunaf UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES DE PROBABILIDADES Se introducirá el concepto de variable

Más detalles

LICENCIADO EN CIENCIAS AMBIENTALES PROGRAMA DE ESTADÍSTICA

LICENCIADO EN CIENCIAS AMBIENTALES PROGRAMA DE ESTADÍSTICA LICENCIADO EN CIENCIAS AMBIENTALES PROGRAMA DE ESTADÍSTICA CURSO 2010-2011 TITULACIÓN: CIENCIAS AMBIENTALES ASIGNATURA: ESTADISTICA ÁREA DE CONOCIMIENTO: Estadística e Investigación Operativa Número de

Más detalles

SIMULACION. Formulación de modelos: solución obtenida de manera analítica

SIMULACION. Formulación de modelos: solución obtenida de manera analítica SIMULACION Formulación de modelos: solución obtenida de manera analítica Modelos analíticos: suposiciones simplificatorias, sus soluciones son inadecuadas para ponerlas en práctica. Simulación: Imitar

Más detalles

CAPITULO 8. INTRODUCCION AL MÉTODO DE SIMULACIÓN MONTE CARLO

CAPITULO 8. INTRODUCCION AL MÉTODO DE SIMULACIÓN MONTE CARLO CAPITULO 8. INTRODUCCION AL MÉTODO DE SIMULACIÓN MONTE CARLO Objetivos del Capítulo Introducir los conceptos e ideas clave de la simulación Monte Carlo. Introducirse en las capacidades que ofrece Excel

Más detalles

Métodos generales de generación de variables aleatorias

Métodos generales de generación de variables aleatorias Tema Métodos generales de generación de variables aleatorias.1. Generación de variables discretas A lo largo de esta sección, consideraremos una variable aleatoria X cuya función puntual es probabilidad

Más detalles

Experimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD.

Experimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD. Experimentos con un solo factor: El análisis de varianza Jhon Jairo Padilla Aguilar, PhD. Experimentación en sistemas aleatorios: Factores Controlables Entradas proceso Salidas Factores No controlables

Más detalles

Simulación. Andrés Ramos Universidad Pontificia Comillas http://www.iit.upcomillas.es/aramos/ Andres.Ramos@comillas.edu

Simulación. Andrés Ramos Universidad Pontificia Comillas http://www.iit.upcomillas.es/aramos/ Andres.Ramos@comillas.edu Simulación Andrés Ramos Universidad Pontificia Comillas http://www.iit.upcomillas.es/aramos/ Andres.Ramos@comillas.edu Índice Sistemas, modelos y simulación Elementos de la simulación Software de simulación

Más detalles

Que el estudiante sepa aplicar las principales técnicas que sirven para resaltar características en imágenes

Que el estudiante sepa aplicar las principales técnicas que sirven para resaltar características en imágenes 1 Facultad: Ingeniería. Escuela: Biomédica Asignatura: Imágenes Médicas Realce de Características Objetivos Que el estudiante sepa aplicar las principales técnicas que sirven para resaltar características

Más detalles

IDENTIFICACIÓN DE SISTEMAS ASPECTOS PRÁCTICOS EN IDENTIFICACIÓN

IDENTIFICACIÓN DE SISTEMAS ASPECTOS PRÁCTICOS EN IDENTIFICACIÓN IDENTIFICACIÓN DE SISTEMAS ASPECTOS PRÁCTICOS EN IDENTIFICACIÓN Ing. Fredy Ruiz Ph.D. ruizf@javeriana.edu.co Maestría en Ingeniería Electrónica Pontificia Universidad Javeriana 2013 CONSIDERACIONES PRÁCTICAS

Más detalles

ANÁLISIS DE SERIE DE TIEMPO DE CAUDALES DEL RÍO EL TALA PERIODO 1937-1960

ANÁLISIS DE SERIE DE TIEMPO DE CAUDALES DEL RÍO EL TALA PERIODO 1937-1960 ANÁLISIS DE SERIE DE TIEMPO DE CAUDALES DEL RÍO EL TALA PERIODO 1937-1960 Verón, Juan Antonio* ; Herrera, Carlos Gabriel*; Rodríguez, Norma Leonor** * Facultad de Tecnología y Ciencias Aplicada de la UNCa.

Más detalles

UNIVERSIDAD AUTÓNOMA DE TAMAULIPAS UNIDAD ACADÉMICA MULTIDISCIPLINARIA REYNOSA-RODHE SIMULACIÓN DE SISTEMAS

UNIVERSIDAD AUTÓNOMA DE TAMAULIPAS UNIDAD ACADÉMICA MULTIDISCIPLINARIA REYNOSA-RODHE SIMULACIÓN DE SISTEMAS UNIDAD MÉTODOS DE MONTECARLO II 2.1 Definición Los métodos de Montecarlo abarcan una colección de técnicas que permiten obtener soluciones de problemas matemáticos o físicos por medio de pruebas aleatorias

Más detalles

CAPITULO 4 GENERACION DE VARIABLES ALEATORIAS

CAPITULO 4 GENERACION DE VARIABLES ALEATORIAS CAPITULO 4 GENERACION DE VARIABLES ALEATORIAS En esta sección se trataran procedimientos para muestrear una variedad de distribuciones de probabilidad discretas y continuas ampliamente usadas. En el capítulo,

Más detalles

SEÑALES Y SISTEMAS - AÑO 2015 Práctica 1: Señales Determinísticas e Introducción a las Señales Aleatorias

SEÑALES Y SISTEMAS - AÑO 2015 Práctica 1: Señales Determinísticas e Introducción a las Señales Aleatorias SEÑALES Y SISTEMAS - AÑO 2015 Práctica 1: Señales Determinísticas e Introducción a las Señales Aleatorias 1. Impulsos continuos y discretos a) Enuncie la propiedad de extracción de la delta de Dirac. b)

Más detalles

Series de Tiempo. Series de Tiempo

Series de Tiempo. Series de Tiempo Series de Tiempo 1. Requisitos de Estadística Descriptiva: a. Media, Mediana b. Desviación estándar c. Regresión lineal 2. Qué es una serie de tiempo a. Componentes de la Serie de Tiempo (tipos de variación):

Más detalles

CONTENIDOS MÍNIMOS BACHILLERATO

CONTENIDOS MÍNIMOS BACHILLERATO CONTENIDOS MÍNIMOS BACHILLERATO I.E.S. Vasco de la zarza Dpto. de Matemáticas CURSO 2013-14 ÍNDICE Primero de Bachillerato de Humanidades y CCSS...2 Primero de Bachillerato de Ciencias y Tecnología...5

Más detalles

Comparación de proporciones

Comparación de proporciones 11 Comparación de proporciones Neus Canal Díaz 11.1. Introducción En la investigación biomédica se encuentran con frecuencia datos o variables de tipo cualitativo (nominal u ordinal), mediante las cuales

Más detalles

FACULTAD DE INGENIERÍA Programa de Ingeniería de Sistemas Syllabus

FACULTAD DE INGENIERÍA Programa de Ingeniería de Sistemas Syllabus INFORMACIÓN GENERAL Área de formación Núcleo de Contenido Núcleo de Conocimiento Núcleo Temático Profesional Especifica Ingeniería Aplicada Operativa Modelación Semestre IX Número de Créditos Académicos

Más detalles

SEMESTRE: CREDITOS: 3 HORAS PRESENCIALES: 3 Horas de Acompañamiento: 1 TOTAL HORAS/ Semana: 4 CODIGO: 612007954 PROBLEMA

SEMESTRE: CREDITOS: 3 HORAS PRESENCIALES: 3 Horas de Acompañamiento: 1 TOTAL HORAS/ Semana: 4 CODIGO: 612007954 PROBLEMA FACULTAD DE INGENIERÍA Programa de Ingeniería de Sistemas NUCLEO DE CONTENIDO: Básicas de Ingeniería NUCLEO DE CONOCIMIENTO: Investigación de Operaciones. NUCLEO TEMÀTICO: Modelación (Simulación) SEMESTRE:

Más detalles

Validación de Métodos

Validación de Métodos Validación de Métodos Francisco Rojo Callejas Validación de Métodos Definiciones Parámetros básicos Requisitos Validación de Métodos El proceso de definir las condiciones analíticas y confirmar que el

Más detalles

Generación de Números Aleatorios Uniformes

Generación de Números Aleatorios Uniformes Capítulo 5 Generación de Números Aleatorios Uniformes Vimos en el capítulo sobre repaso de distribuciones de probabilidad, lo que es una distribución uniforme. Pero podemos encontrar un método o experimento

Más detalles

Modelos de distribuciones discretas

Modelos de distribuciones discretas Tema 4 Modelos de distribuciones discretas En este capítulo estudiaremos las distribuciones discretas más importantes. importancia es doble, por las aplicaciones y por su relevancia conceptual. De nuevo,

Más detalles

Números aleatorios. Contenidos

Números aleatorios. Contenidos Números aleatorios. Contenidos 1. Descripción estadística de datos. 2. Generación de números aleatorios Números aleatorios con distribución uniforme. Números aleatorios con otras distribuciones. Método

Más detalles

PRACTICA 2: Distribuciones de probabilidad discretas

PRACTICA 2: Distribuciones de probabilidad discretas Fn(x) 0.0 0.2 0.4 0.6 0.8 1.0 1 0 1 2 3 4 5 x PRACTICA 2: Distribuciones de probabilidad discretas 1. Clasi que las siguientes variables como discretas o continuas: (a) Número de crías (b) Peso del contenido

Más detalles

Problemas resueltos del Tema 3.

Problemas resueltos del Tema 3. Terma 3. Distribuciones. 9 Problemas resueltos del Tema 3. 3.1- Si un estudiante responde al azar a un examen de 8 preguntas de verdadero o falso Cual es la probabilidad de que acierte 4? Cual es la probabilidad

Más detalles

Modelos matemáticos de simulación

Modelos matemáticos de simulación Modelos matemáticos de simulación Andrés Ramos Andres.Ramos@iit.icai.upcomillas.es Universidad Pontificia Comillas Begoña Vitoriano bvitoriano@mat.ucm.es Universidad Complutense de Madrid Índice Sistemas,

Más detalles

ASIGNATURA: MATEMÁTICAS APL.CIENC.SOCIALES 1º BACHILLERATO. Unidad 1 Números Reales

ASIGNATURA: MATEMÁTICAS APL.CIENC.SOCIALES 1º BACHILLERATO. Unidad 1 Números Reales ASIGNATURA: MATEMÁTICAS APL.CIENC.SOCIALES 1º BACHILLERATO Unidad 1 Números Reales Utilizar los números enteros, racionales e irracionales para cuantificar situaciones de la vida cotidiana. Aplicar adecuadamente

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA MISIÓN Formar profesionales altamente capacitados, desarrollar investigación y realizar actividades de extensión en Matemáticas y Computación, así como en sus diversas aplicaciones. PROBABILIDAD Y ESTADÍSTICA

Más detalles

SIMULACIÓN ING. MIGUEL MIRANDA CÁTEDRA INVESTIGACIÓN OPERATIVA

SIMULACIÓN ING. MIGUEL MIRANDA CÁTEDRA INVESTIGACIÓN OPERATIVA SIMULACIÓN ING. MIGUEL MIRANDA CÁTEDRA INVESTIGACIÓN OPERATIVA TEMARIO Pág. I INTRODUCCIÓN II APLICACIONES 4 III DEFINICIONES 6 IV SIMULACIÓN DE PROCESOS 7 V VENTAJAS Y DESVENTAJAS DE LA SIMULACIÓN 0 VI

Más detalles

MODELADO Y SIMULACIÓN

MODELADO Y SIMULACIÓN ASIGNATURA DE GRADO: MODELADO Y SIMULACIÓN Curso 2014/2015 (Código:71014106) 1.PRESENTACIÓN DE LA ASIGNATURA La asignatura Modelado y Simulación se imparte en el primer semestre del cuarto curso del Grado

Más detalles

LAS ENCUESTAS DE PANEL FERNANDO MEDINA CEPAL

LAS ENCUESTAS DE PANEL FERNANDO MEDINA CEPAL 19 LAS ENCUESTAS DE PANEL FERNANDO MEDINA CEPAL 10 Las Encuestas de Panel Qué es una encuesta de panel? Es una muestra que se sigue y hace mediciones sucesivas sobre un mismo grupo de observaciones en

Más detalles

ANALISIS DE DATOS EN PSICOLOGIA I (Grupos 12, 13, 14, 16 y 17) Programa de la asignatura; curso 2006/07

ANALISIS DE DATOS EN PSICOLOGIA I (Grupos 12, 13, 14, 16 y 17) Programa de la asignatura; curso 2006/07 1 ANALISIS DE DATOS EN PSICOLOGIA I (Grupos 12, 13, 14, 16 y 17) Programa de la asignatura; curso 2006/07 A.- OBJETIVOS DE LA ASIGNATURA El objetivo principal de esta asignatura es contribuir a familiarizar

Más detalles

Simulación Simulación : Modelo de simulación: Proceso de simulación:

Simulación Simulación : Modelo de simulación: Proceso de simulación: Simulación Simulación : es el proceso de diseñar y desarrollar un modelo de un sistema o proceso para conducir experimentos con el propósito de entender el comportamiento del sistema o evaluar varias estrategias

Más detalles

Estadística Computacional

Estadística Computacional Estadística Computacional Estadística Computacional Antonio Salmerón Cerdán María Morales Giraldo ALMERÍA, 2001 Prólogo El objetivo de este trabajo es ofrecer un libro de texto que cubra los contenidos

Más detalles

R-IV. Números Aleatorios. Método de Monte- Carlo. Números Aleatorios. Números Aleatorios 8 -

R-IV. Números Aleatorios. Método de Monte- Carlo. Números Aleatorios. Números Aleatorios 8 - R-IV Método de Monte- Carlo Elemento Central en la Simulación digital. Definición formal controvertida. Elemento esencial en muchas áreas del conocimiento Ingeniería, Economía, Física, Estadística, etc.

Más detalles

8. Estimación puntual

8. Estimación puntual 8. Estimación puntual Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 8. Estimación puntual Curso 2009-2010 1 / 30 Contenidos 1 Introducción 2 Construcción de estimadores

Más detalles

Técnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida. Por: Prof. Elena del C. Coba

Técnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida. Por: Prof. Elena del C. Coba Técnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida Por: Prof. Elena del C. Coba Encuestas y estudios aplicados al VIH/sida Definir la fuente de los datos: Datos

Más detalles

Random Forests. Felipe Parra

Random Forests. Felipe Parra Applied Mathematics Random Forests Abril 2014 Felipe Parra Por que Arboles para Clasificación PERFIL DE RIESGO: definir con qué nivel de aversión al riesgo se toman decisiones Interpretación intuitiva

Más detalles

Curso Comparabilidad de resultados

Curso Comparabilidad de resultados Curso Comparabilidad de resultados Director: Gabriel A. Migliarino. Docente: Evangelina Hernández. Agenda Introducción. n. Protocolos iniciales de comparación de métodos. m * EP9-A2. CLSI. * Comparación

Más detalles

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales Matemáticas 2º BTO Aplicadas a las Ciencias Sociales CONVOCATORIA EXTRAORDINARIA DE JUNIO 2014 MÍNIMOS: No son contenidos mínimos los señalados como de ampliación. I. PROBABILIDAD Y ESTADÍSTICA UNIDAD

Más detalles

Práctica 3. Distribuciones de probabilidad

Práctica 3. Distribuciones de probabilidad Práctica 3. Distribuciones de probabilidad Estadística Facultad de Física Objetivos Distribuciones Representaciones gráficas Ejercicios Aplicaciones 1 Introducción En esta práctica utilizaremos una herramienta

Más detalles

Suplemento Control estadístico stico de procesos

Suplemento Control estadístico stico de procesos Suplemento Control estadístico stico de procesos Contenido Control estadístico de procesos (CEP) Gráficos de control para variables El teorema central del límite Fijación de límites del gráfico de medias

Más detalles

CURSO HERRAMIENTAS ESTADISTICAS PARA IMPLEMENTACION DE SIX SIGMA EN EMPRESAS DE PRODUCCION, LOGISTICA Y SERVICIOS

CURSO HERRAMIENTAS ESTADISTICAS PARA IMPLEMENTACION DE SIX SIGMA EN EMPRESAS DE PRODUCCION, LOGISTICA Y SERVICIOS CURSO HERRAMIENTAS ESTADISTICAS PARA IMPLEMENTACION DE SIX SIGMA EN EMPRESAS DE PRODUCCION, LOGISTICA Y SERVICIOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-15-4492-6252 Fax:

Más detalles

Análisis de Sistemas de Medición MSA. Ing. Victor Reyes - TRAINix ASQ Ambos Nogales

Análisis de Sistemas de Medición MSA. Ing. Victor Reyes - TRAINix ASQ Ambos Nogales Análisis de Sistemas de Medición MSA Ing. Victor Reyes - TRAINix ASQ Ambos Nogales Agenda Sistemas de Medición Qué son? Uso de los datos de la medición Calidad de los datos El MSA y las normas de gestión

Más detalles

Control de calidad del Hormigón

Control de calidad del Hormigón Control de calidad del Hormigón Calidad Hay muchos factores involucrados en la producción del hormigón, desde los materiales, la dosificación de la mezcla, el transporte, la colocación, el curado y los

Más detalles

Generación de valores de las variables aleatorias

Generación de valores de las variables aleatorias Generación de valores de las variables aleatorias Juan F. Olivares-Pacheco * 14 de junio de 007 Resumen En todo modelo de simulación estocástico, existen una o varias variables aleatorias interactuando.

Más detalles

Generación de números aleatorios

Generación de números aleatorios Generación de números aleatorios Marcos García González (h[e]rtz) Verano 2004 Documento facilitado por la realización de la asignatura Métodos informáticos de la física de segundo curso en la universidad

Más detalles

Simulación. Carrera: INE-0405 2-2-6. Participantes Representante de las academias de ingeniería industrial de Institutos Tecnológicos.

Simulación. Carrera: INE-0405 2-2-6. Participantes Representante de las academias de ingeniería industrial de Institutos Tecnológicos. 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Simulación Ingeniería Industrial INE-0405 2-2-6 2.- HISTORIA DEL PROGRAMA Lugar

Más detalles

Propiedades de Muestras Grandes y Simulación

Propiedades de Muestras Grandes y Simulación Propiedades de Muestras Grandes y Simulación Microeconomía Cuantitativa R. Mora Departmento of Economía Universidad Carlos III de Madrid Esquema 1 Propiedades en muestras grandes (W App C3) 2 3 Las propiedades

Más detalles

Packet Trains-Measurements and a New Model for Computer Network Traffic

Packet Trains-Measurements and a New Model for Computer Network Traffic Packet Trains-Measurements and a New Model for Computer Network Traffic RAJ JAIN, SENIOR MEMBER, IEEE, AND SHAWN A. ROUTHIER IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS, VOL. SAC-4, NO. 6, SEPTEMBER

Más detalles

SIMULACIÓN DE MONTECARLO EN EXCEL MANUAL DEL USUARIO

SIMULACIÓN DE MONTECARLO EN EXCEL MANUAL DEL USUARIO SIMULACIÓN DE MONTECARLO EN EXCEL (Toma de decisiones en condiciones de incertidumbre) MANUAL DEL USUARIO DESARROLLADO POR: LUCIANO MACHAIN MAGÍSTER EN FINANZAS UNIVERSIDAD NACIONAL DE ROSARIO ARGENTINA

Más detalles

Programa de la asignatura Curso: 2007 / 2008 ESTADÍSTICA (3174)

Programa de la asignatura Curso: 2007 / 2008 ESTADÍSTICA (3174) Programa de la asignatura Curso: 2007 / 2008 ESTADÍSTICA (3174) PROFESORADO Profesor/es: SANTIAGO RUIZ MIGUEL - correo-e: rumi@ubu.es FICHA TÉCNICA Titulación: INGENIERÍA DE CAMINOS, CANALES Y PUERTOS

Más detalles

SIMULACIÓN DE MONTE CARLO EN EXCEL MANUAL DEL USUARIO

SIMULACIÓN DE MONTE CARLO EN EXCEL MANUAL DEL USUARIO SIMULACIÓN DE MONTE CARLO EN EXCEL (Toma de decisiones en condiciones de incertidumbre) MANUAL DEL USUARIO DESARROLLADO POR: LUCIANO MACHAIN MASTER EN FINANZAS UNIVERSIDAD NACIONAL DE ROSARIO ARGENTINA

Más detalles

Control de calidad del. Ciudad de La Rioja Mayo 2013

Control de calidad del. Ciudad de La Rioja Mayo 2013 Control de calidad del Hormigón Ciudad de La Rioja Mayo 2013 Control de calidad Desde que se comenzó con la producción de bienes, se han hecho intentos en controlar el proceso de manera de mejorar la calidad

Más detalles

ANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO

ANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO ANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO Por: Pablo Lledó Master of Science en Evaluación de Proyectos (University of York) Project Management Professional (PMP) Profesor de Project Management y Evaluación

Más detalles

Capítulo 19 Análisis no paramétrico: El procedimiento Pruebas no paramétricas

Capítulo 19 Análisis no paramétrico: El procedimiento Pruebas no paramétricas Capítulo 19 Análisis no paramétrico: El procedimiento Pruebas no paramétricas En los capítulos 13 al 18 hemos estudiado una serie de procedimientos estadísticos diseñados para analizar variables cuantitativas:

Más detalles

PROGRAMA ANALÍTICO. UBICACIÓN EN EL PLAN DE ESTUDIO DE MECÁNICA: 1er. CUATRIMESTRE DE 2do. AÑO

PROGRAMA ANALÍTICO. UBICACIÓN EN EL PLAN DE ESTUDIO DE MECÁNICA: 1er. CUATRIMESTRE DE 2do. AÑO PROGRAMA ANALÍTICO DEPARTAMENTO: CIENCIAS BÁSICAS CARRERAS: INGENIERÍA MECÁNICA - INGENIERÍA QUÍMICA ASIGNATURA: PROBABILIDAD Y ESTADÍSTICA CÓDIGO: 0406 AÑO ACADÉMICO: 2015 PLAN DE ESTUDIO: MECÁNICA 2005

Más detalles

Medidas de tendencia central o de posición: situación de los valores alrededor

Medidas de tendencia central o de posición: situación de los valores alrededor Tema 10: Medidas de posición y dispersión Una vez agrupados los datos en distribuciones de frecuencias, se calculan unos valores que sintetizan la información. Estudiaremos dos grandes secciones: Medidas

Más detalles

DIRECCIÓN DE OPERACIONES Y TOMA DE DECISIONES INGENIERÍA INDUSTRIAL CICLO DE PROFESIONALIZACIÓN

DIRECCIÓN DE OPERACIONES Y TOMA DE DECISIONES INGENIERÍA INDUSTRIAL CICLO DE PROFESIONALIZACIÓN TEORIA DE COLAS: Líneas de Espera Claro Ana Milena, Cardona Luz Dary, Ruiz Lina María, Gómez Juan Fernando, Estudiantes Ingeniería Industrial Universidad Católica de Oriente. Mayo 21 de 2011. Resumen:

Más detalles

TEMA 7: Análisis de la Capacidad del Proceso

TEMA 7: Análisis de la Capacidad del Proceso TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad

Más detalles

Carrera: MCM - 0531. Participantes. Representantes de las academias de Ingeniería Mecánica de Institutos Tecnológicos.

Carrera: MCM - 0531. Participantes. Representantes de las academias de Ingeniería Mecánica de Institutos Tecnológicos. 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y Estadística Ingeniería Mecánica MCM - 0531 3 2 8 2.- HISTORIA DEL

Más detalles

ANÁLISIS DISCRIMINANTE

ANÁLISIS DISCRIMINANTE ANÁLISIS DISCRIMINANTE ANÁLISIS DISCRIMINANTE 1. Introducción 2. Etapas 3. Caso práctico Análisis de dependencias introducción varias relaciones una relación 1 variable dependiente > 1 variable dependiente

Más detalles

Resultados de la encuesta sobre dedicación de los módulos 1,2 y 3

Resultados de la encuesta sobre dedicación de los módulos 1,2 y 3 Resultados de la encuesta sobre dedicación de los módulos 1,2 y 3 Nota: Para la dedicación total estimada sólo se consideran los ítems preguntados en las encuestas Todos los capítulos 8 Estimada Real 7

Más detalles

Tema 5. Variables aleatorias discretas

Tema 5. Variables aleatorias discretas Tema 5. Variables aleatorias discretas Resumen del tema 5.1. Definición de variable aleatoria discreta 5.1.1. Variables aleatorias Una variable aleatoria es una función que asigna un número a cada suceso

Más detalles

PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ

PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ FACULTAD DE CIENCIAS E INGENIERÍA MEJORA DE LA OPERACIÓN DE ESTIBA Y DESESTIBA EN AERONAVES COMERCIALES DE UNA EMPRESA QUE BRINDA SERVICIOS AEROPORTUARIOS Tesis

Más detalles