Simulación. pseudoalealeatorios
|
|
- Josefina Ramos Ortiz
- hace 6 años
- Vistas:
Transcripción
1 Generación n de números n aleatorios La aplicación de los números aleatorios se remonta a los tiempos de la primera revolución industrial, cuando los procesos manuales tuvieron que reemplazarse por procesos mecanizados como consecuencia de la explosión demográfica que se estaba presentando en los países desarrollados con la disminución de las tasas de mortalidad y el aumento de las tasas de natalidad y que, para satisfacer las necesidades de la población cada vez más creciente hubo necesidad de incrementar la producción de toda clase de bienes y servicios.
2 Generación n de números n aleatorios Es posible identificar diferentes métodos usados a través de la historia para generar números aleatorios que pudieran ser utilizados en los procesos de simulación de las actividades industriales. Dichos métodos pudiéramos clasificarlos en: 1.Manuales 2.Tablas de Biblioteca 3.Generadores Analógicos 4.Generadores Digitales 5.Métodos de Recurrencia o Congruenciales
3 Generación n de números n aleatorios Los métodos recurrentes son muchos, pero aquí analizaremos solamente 5 métodos, el primero de ellos, solamente por su trascendencia histórica al ser el pionero en la generación de números aleatorios con esta técnica. El resto SI se analizarán más a detalle.
4 Método de los cuadrados medios Este método fue planteado por Von Neumann en Se basa en tomar un número, elevarlo al cuadrado y tomar los dígitos del centro como nuevo número, luego repetir el procedimiento.
5 Método de los cuadrados medios Procedimiento: 1.Seleccionar un valor para semilla (n o ) entero, positivo, con e dígitos par 2.Elevar al cuadrado n o, completar con ceros a la izquierda del número hasta tener 2*e dígitos, seleccionar los e dígitos centrales del número como n i 3.Calcular r i = n i e 10 4.Repetir 2 y 3 tantas veces como sea necesario.
6 Ejemplo: Suponga que se desean generar números aleatorios por el método de los cuadrados medios con 1111 como semilla.
7
8
9 Método Multiplicativo Procedimiento: 1.Seleccionar un valor para semilla (n o ) entero, positivo, impar, no divisible por 5 y con e dígitos par. 2.Seleccionar un valor para λ cercano a 10 e/2 a partir de λ = 200t±p Donde: t = cualquier número entero (- λ ) p = un número primo (véase el apéndice A) 3.Calcular n i = n i-1 λ utilizando aritmética entera (es decir, seleccionando los e dígitos del lado derecho del número).
10 Método Multiplicativo 4.Calcular r i = n i e 10 5.Repetir 2 y 3 tantas veces como sea necesario o hasta que se repita la serie. h 5 x 10 e-2 Donde h representa la longitud de serie (es decir, la cantidad de números que se pueden generar hasta antes de que se repita uno de ellos, en cuyo caso se repetirá la serie)
11 Ejemplo: Suponga que se desean generar números aleatorios por el método multiplicativo con 1111 como semilla. n 0 = 1111; e = 4 (pues tiene 4 dígitos) Para seleccionar λ, lo primero que se debe hacer es calcular 10 e/2, que para este ejemplo es 10 4/2 = 10 2 = 100. Es decir, se debe seleccionar un valor para λ cercano a 100 pero a partir de la ecuación λ = 200t ± p.
12 Como p es un número primo, es imposible obtener un valor de 100, pues al sumar o restar un número primo (que siempre es impar, a excepción del número 2), el resultado siempre será un número impar. Entonces el objetivo es encontrar un valor de 99 o de 101, que es el impar más cercano a 100. Ahora bien, como t es cualquier valor entero y al no poder saber cuál es, entonces se considera primero el valor 0 (cero), pues es la mitad del intervalo dado para t.
13 Por lo tanto, si t = 0, entonces λ = 200(0) ± p = ± p = + 101, pues el 99 no es número primo. Como ya se sabe que no se puede mejorar el valor, se selecciona λ = 101. El resto de los cálculos aparecen en la siguiente tabla: I n n i-1 λ i (aritm. r entera) i = n i /10 e *101 = *101 = *101 = *101 =
14 De hecho, el proceso se repite tantas veces sea necesario generar números aleatorios o hasta que se repita la serie, que para este ejemplo, debe ser aproximadamente en el quinientosavo número aleatorio (h 5 x 10 e-2 = 5 x = 5 x 10 2 = 500)
15 Método aditivo 1.Generar una tabla de k números enteros positivos (k 10 e 3) 2.Sumar el último elemento de la tabla con el primero, generando de esta manera n i (utilizando aritmética entera) 3.Calcular n i r i = 10 e 4.Sumar el n i generado con el segundo número de la tabla y así sucesivamente En este caso, h tiende a ser, pues podrá repetirse un número, pero nunca se repite la serie completa.
16 Ejemplo: Suponga que se genera la tabla con 10 elementos siguientes por el método de los cuadrados medios (aunque puede usarse cualquiera de los métodos para generar números aleatorios para generar esta tabla. Por lo tanto, k = 10 i Número
17 Ahora se suma el último elemento en la tabla con el primero de la tabla para generar n i, y repetimos el proceso hasta generar 15 números aleatorios (aunque pueden ser los que se deseen), como se muestra en la tabla siguiente: i Suma n i r i = n i /10 e = = = = =
18 i Suma n i r i = n i /10 e = = = = = = = = =
19 Como podrá observarse, a pesar de que se usan siempre los mismos valores de la tabla, los números aleatorios resultantes son diferentes, con lo cual se comprueba que la serie, para el método aditivo, tiende a ser infinita.
20 Método mixto 1.Seleccionar un valor para semilla (n o ) entero, positivo y con e 3. 2.Seleccionar un valor para c entero, positivo, impar y con número de dígitos menor o igual a e 3.Seleccionar un valor para λ cercano a 10 e/ Calcular n i = n i-1 λ + c utilizando aritmética entera 5.Calcular n r i i = e 10 6.Repetir 4 y 5 tantas veces como sea necesario o hasta que se repita la serie. h 5 x 10 e-2
21 Ejemplo: Suponga que se desean generar números aleatorios por el método aditivo con un valor de n 0 = 222 y con un valor para c = 25. Como la semilla tiene 3 dígitos, e = 3; por lo que 10 e/2 = 10 3/2 = Por lo tanto, λ = 33 El resto de los cálculos aparecen en la siguiente tabla.
22 n I n i-1 λ+ c i (aritm. r entera) i = n i /10 e 1 222* = * = * = * = De hecho, el proceso se repite tantas veces sea necesario generar números aleatorios o hasta que se repita la serie, que para este ejemplo, debe ser aproximadamente en el cincuentavo número aleatorio (h 5 x 10 e-2 = 5 x = 5 x 10 1 = 50)
23 Método combinado 1.Generar una tabla de k números enteros positivos (k 10 e 3) 2.Generar un índice j (1 j k) generado a partir de j = int(rnd * (k - 1) + 1.5) 3.Seleccionar el j-ésimo elemento de la tabla como n i 4.Reemplazar el n i seleccionado por uno nuevo. 5.Calcular n r i i = e 10 6.Repetir 2, 3, 4 y 5 tantas veces como sea necesario generar números aleatorios
24 En este caso, la longitud de serie (h) tiende a ser infinita, al igual que en el método aditivo, pues podrá repetirse un número, pero nunca se repite la serie completa. Ejemplo: Suponga que se genera la tabla con 10 elementos siguientes por el método de los cuadrados medios (aunque puede usarse cualquiera de los métodos para generar números aleatorios para generar esta tabla. Por lo tanto, k = 10.
25
26 El resto del cálculo aparece en la siguiente tabla. Nota: los números aleatorios (rnd) que aparecen en la tabla, fueron calculados a partir de los números aleatorios generados por el método aditivo. j = int(rnd * (k - 1) + i n i r i = n i /10 e 1 J = int(0.4895* ) = J = int(0.9791* ) = J = int(0.9499* ) = J = int(0.1951* ) = J = int(0.2074* ) = )
27 i j = int(rnd * (k - 1) + 1.5) n i r i = n i /10 e 6 J = int(0.2225* ) = J = int(0.2453* ) = J = int(0.2972* ) = J = int(0.5665* ) = J = int(0.8187* ) =
28 2.2 Pruebas estadísticas sticas de aleatoriedad. En esta sección se describen 2 de las pruebas estadísticas que se aplican a los números pseudoaleatorios generados por cualquiera de los métodos anteriores; en la primera de ellas, se tratará de verificar la hipótesis de que los números generados provienen de la distribución uniforme en el intervalo cerrado [0,1], en la segunda de ellas, se aplicará la prueba de corrida, misma que sirve para verificar que los números son efectivamente aleatorios. A continuación se detallan ambas pruebas:
29 2.2 Pruebas estadísticas sticas de aleatoriedad. Prueba de Kolmogorov-Smirnov Esta prueba sirve para verificar o negar la hipótesis que un conjunto de observaciones provienen de una determinada distribución. La estadística D que se utiliza en esta prueba es una medida de la diferencia máxima observada entre la distribución empírica (dada por las observaciones) y la teórica supuesta. La estadística D es obviamente una variable aleatoria. A continuación se detalla cómo se utiliza esta prueba para verificar o negar que un conjunto de números pseudoaleatorios tiene una distribución uniforme en el intervalo cerrado [0, 1].
30 2.2 Pruebas estadísticas sticas de aleatoriedad. Paso 1. Se formula la hipótesis, H 0 de que los números provienen de una distribución uniforme en el intervalo cerrado [0, 1]. Paso 2. Se selecciona una muestra de tamaño n de números pseudoaleatorios generados (Knuth recomienda n = 1000). Sea F n (X), de la siguiente manera: Paso 3. Calcule la función de distribución acumulada empírica, F n (x), de la siguiente manera: Ordene los valores de la secuencia, tal que X i X i+1 para toda i.
31 Haga Simulación 2.2 Pruebas estadísticas sticas de aleatoriedad. F n (0)= 0 y F n (X i )=i/n, i=l,2,...,n. Paso 4. Evalúe la estadística de Kolmogorov-Sminov, D, a partir de D = Máx F n (X i )-X i, 0<X i < 1. Paso 5. Consulte la tabla de límites aceptables para la prueba de Kolmogorov-Smirnov, para un tamaño de muestra n y un determinado nivel de riesgo α (ver apéndice B). Si D es menor o igual a este número se acepta H Q ; de otra manera se rechaza H Q.
32 2.2 Pruebas estadísticas sticas de aleatoriedad. Ejemplo. De una tabla de números aleatorios se eligen los siguientes 50 (divididos entre 100 para que su valor oscile entre 0 y 1)
33 2.2 Pruebas estadísticas sticas de aleatoriedad. Se desea probar la hipótesis H 0 : Provienen de una distribución uniforme en [0, 1], a un nivel de significancia del 90%. Paso 2. Se arregla la tabla anterior para que se cumpla la condición X X i+1 para toda i
34 2.2 Pruebas estadísticas sticas de aleatoriedad. Paso 3. Se construye F n (X ) para toda i siendo n = 50. F n (0.00) = 0.00 F n (0.12) = 0.22 F n (0.36) = 0.43 F n (0.65) = 0.64 F n (0.85) = 0.90 F n (0.02) = 0.04 F n (0.13) = 0.24 F n (0.37) = 0.48 F n (0.66) = 0.66 F n (0.90) = 0.92 F n (0.03) = 0.06 F n (0.19) = 0.26 F n (0.38) = 0.50 F n (0.68) = 0.70 F n (0.94) = 0.96 F n (0.04) = 0.08 F n (0.23) = 0.28 F n (0.42) = 0.52 F n (0.70) = 0.74 F n (0.97) = 0.98 F n (0.05) = 0.10 F n (0.24) = 0.30 F n (0.45) = 0.54 F n (0.73) = 0.76 F n (0.99) = 1.00 F n (0.08) = 0.12 F n (0.31) = 0.32 F n (0.63) = 0.56 F n (0.74) = 0.82 F n (0.09) = 0.16 F n (0.32) = 0.34 F n (0.64) = 0.62 F n (0.77) = 0.84 F n (0.10) = 0.20 F n (0.34) = 0.38 F n (0.80) = 0.86 F n (0.35) = 0.42 F n (0.82) = 0.88
35 Paso 4. Simulación 2.2 Pruebas estadísticas sticas de aleatoriedad. que ocurre para F n (.38). D = MáxІF n (X i )-X i І = 0.12 Paso 5. Para un nivel de significancia del 90% y una muestra de 50 números se tiene del apéndice B, un valor Como D < se acepta H Q : Los 50 números si provienen de una distribución uniforme en el intervalo cerrado [0, 1].
36 2.2 Pruebas estadísticas sticas de aleatoriedad. Prueba de Corrida Una corrida se define como un conjunto de números que aparecen ordenados en forma monotónicamente creciente o decreciente. Por ejemplo: 03, 23, 57, 92, 99 contiene una sola corrida, mientras que 03, 99, 23, 92, 57 contiene 3 corridas: (03, 99), (23, 92), (57). Si se utiliza el signo (+) para identificar que el número que aparece a la derecha de otro que es mayor, o (-) si es menor, se tiene que: 03, 10, 23, 57, 92, 99 +, +, +, +, + mientras que 03,99,23,92,57 +,-,+,-.
37 2.2 Pruebas estadísticas sticas de aleatoriedad. Esta prueba se basa en el supuesto que el número de corridas es una variable aleatoria. Se ha demostrado que si una secuencia tiene más de 20 números, el número de corridas es una variable aleatoria distribuida normalmente con media y variancia conocida. La prueba se realiza de la siguiente manera:
38 2.2 Pruebas estadísticas sticas de aleatoriedad. Paso 1. Se formula la hipótesis Ho: La secuencia de números es aleatoria. Paso 2. Se selecciona una muestra de tamaño n (n > 20). Paso 3. Se definen con los signos (+) y (-) las posibles corridas. Paso 4. Se define a la estadística r como el número de corridas.
39 2.2 Pruebas estadísticas sticas de aleatoriedad. Paso 5. Si n > 20 y Ho es verdadera, entonces r se aproxima a una distribución normal con media y varianza Paso 6. Se acepta Ho, a un nivel de riesgo α, si Donde Z(.) se encuentra tabulada en la distribución normal (ver apéndice C)
4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Más detallesCabrera Hernández Elizabeth Ramírez Bustos Fabián GENERACION DE NUMEROS ALEATORIOS
Cabrera Hernández Elizabeth Ramírez Bustos Fabián GENERACION DE NUMEROS ALEATORIOS NUMEROS ALEATORIOS Los números random son un elemento básico en la simulación de la mayoría de los sistemas discretos.
Más detallesUnidad 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 detalles1. (F, +) es un grupo abeliano, denominado el grupo aditivo del campo.
Capítulo 5 Campos finitos 5.1. Introducción Presentaremos algunos conceptos básicos de la teoría de los campos finitos. Para mayor información, consultar el texto de McEliece [61] o el de Lidl y Niederreiter
Más detallesGeneración de Variables Aleatorias. UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Generación de Variables Aleatorias UCR ECCI CI-453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción Las variables aleatorias se representan por medio de distribuciones
Más detallesDEFINICIÓN DE LÍMITE Sea una función definida en un intervalo abierto que contiene a (salvo posiblemente en ) y un número real. La afirmación : ( )
DEFINICIÓN DE LÍMITE Sea una función definida en un intervalo abierto que contiene a (salvo posiblemente en ) y un número real. La afirmación : Significa que para todo existe un tal que si Entonces. TEOREMA
Más detallesEscuela Nacional de Estadística e Informática ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA
ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA Lima Perú 2013 DISEÑO COMPLETAMENTE ALEATORIZADO Es el diseño más simple y sencillo de realizar, en el cual los tratamientos
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesMedidas de Tendencia Central
Medidas de Tendencia Central En cualquier análisis o interpretación, se pueden usar muchas medidas descriptivas que representan las propiedades de tendencia central, variación y forma para resumir las
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesMATEMÁTICAS 2º ESO. TEMA 1
MATEMÁTICAS 2º ESO. TEMA 1 1. DIVISIBILIDAD Y NÚMEROS ENTEROS 1. Los divisores son siempre menores o iguales que el número. 2. Los múltiplos siempre son mayores o iguales que el número. 3. Para saber si
Más detallesPrueba de Hipótesis. Bondad de Ajuste. Tuesday, August 5, 14
Prueba de Hipótesis Bondad de Ajuste Conceptos Generales Hipótesis: Enunciado que se quiere demostrar. Prueba de Hipótesis: Procedimiento para determinar si se debe rechazar o no una afirmación acerca
Más detallesEvaluación económica de proyectos de inversión utilizando simulación
Jiménez Boulanger, Francisco. Evaluación económica de proyectos de inversión utilizando simulación Tecnología en Marcha. Vol. 19-1. Evaluación económica de proyectos de inversión utilizando simulación
Más detallesTest de Kolmogorov-Smirnov
Test de Kolmogorov-Smirnov Georgina Flesia FaMAF 2 de junio, 2011 Test de Kolmogorov-Smirnov El test chi-cuadrado en el caso continuo H 0 : Las v.a. Y 1, Y 2,..., Y n tienen distribución continua F. Particionar
Más detallesEstadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
Más detallesCurso de Estadística Básica
Curso de SESION 3 MEDIDAS DE TENDENCIA CENTRAL Y MEDIDAS DE DISPERSIÓN MCC. Manuel Uribe Saldaña MCC. José Gonzalo Lugo Pérez Objetivo Conocer y calcular las medidas de tendencia central y medidas de dispersión
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesUNIDAD: NÚMEROS Y PROPORCIONALIDAD. Los elementos del conjunto IN = {1, 2, 3, 4, 5, 6, 7,...} se denominan números
GUÍA Nº 2 UNIDAD: NÚMEROS Y PROPORCIONALIDAD NÚMEROS ENTEROS NÚMEROS NATURALES (ln) Los elementos del conjunto IN = {1, 2, 3, 4, 5, 6, 7,...} se denominan números naturales NÚMEROS ENTEROS (Z) Los elementos
Más detallesCAPÍTULO 4 TÉCNICA PERT
54 CAPÍTULO 4 TÉCNICA PERT Como ya se mencionó en capítulos anteriores, la técnica CPM considera las duraciones de las actividades como determinísticas, esto es, hay el supuesto de que se realizarán con
Más detallesDistribución Chi (o Ji) cuadrada (χ( 2 )
Distribución Chi (o Ji) cuadrada (χ( 2 ) PEARSON, KARL. On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it Can Reasonably
Más detallesTeoría de la Probabilidad Tema 2: Teorema de Extensión
Teoría de la Probabilidad Tema 2: Teorema de Extensión Alberto Rodríguez Casal 25 de septiembre de 2015 Definición Una clase (no vacía) A de subconjuntos de Ω se dice que es un álgebra si A es cerrada
Más detallesMATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico.
MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN 1. Conteste las preguntas siguientes: a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. 1. 2. 3. 4. b. En
Más detallesMEDIDAS DE TENDENCIA CENTRAL O DE PRECISIÓN
MEDIDAS DE TENDENCIA CENTRAL O DE PRECISIÓN Cuando se analiza un conjunto de datos, normalmente muestran una tendencia a agruparse o aglomerarse alrededor de un punto central. Para describir ese conjunto
Más detallesƒ : {(1, 4), (2, 5), (3, 6), (4, 7)}.
SECCIÓN 5. Funciones inversas 5. Funciones inversas Verificar que una función es la inversa de otra. Determinar si una función tiene una función inversa. Encontrar la derivada de una función inversa. f
Más detallesEstadística Descriptiva
M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Desde la segunda mitad del siglo anterior, el milagro industrial sucedido en Japón, hizo
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesTEMA Nº 1. Conjuntos numéricos
TEMA Nº 1 Conjuntos numéricos Aprendizajes esperados: Utilizar y clasificar los distintos conjuntos numéricos en sus diversas formas de expresión, tanto en las ciencias exactas como en las ciencias sociales
Más detallesPreparación para Álgebra 1 de Escuela Superior
Preparación para Álgebra 1 de Escuela Superior Este curso cubre los conceptos mostrados a continuación. El estudiante navega por trayectos de aprendizaje basados en su nivel de preparación. Usuarios institucionales
Más detallesDIFERENCIAS EN LA UTILIZACIÓN DE LA BIBLIOTECA DEL IIESCA ANTE UN CAMBIO DE INFORMACIÓN
DIFERENCIAS EN LA UTILIZACIÓN DE LA BIBLIOTECA DEL IIESCA ANTE UN CAMBIO DE INFORMACIÓN Beatriz Meneses A. de Sesma * I. INTRODUCCIÓN En todo centro educativo, es de suma importancia el uso que se haga
Más detallesEl determinante de una matriz se escribe como. Para una matriz, el valor se calcula como:
Materia: Matemática de 5to Tema: Definición de Determinantes Marco Teórico Un factor determinante es un número calculado a partir de las entradas de una matriz cuadrada. Tiene muchas propiedades e interpretaciones
Más detallesEstadísticas Pueden ser
Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Guía práctica #3 Generación de números Aleatorios para modelos de simulación Prof.: MSc. Julio Rito Vargas A. Grupo: INGENIERIA INDUSTRIAL
Más detallesOPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 5 Simulación
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 5 Simulación ORGANIZACIÓN DEL TEMA Sesiones: Introducción Ejemplos prácticos Procedimiento y evaluación de resultados INTRODUCCIÓN Simulación: Procedimiento
Más detallesMatemática. Desafío. GUÍA DE EJERCITACIÓN AVANZADA Cálculo de medidas de dispersión y muestreo GUICEN041MT22-A16V1
GUÍA DE EJERCITACIÓN AVANZADA Cálculo de medidas de dispersión y muestreo Desafío Una población estadística está compuesta de cuatro números enteros consecutivos, siendo n el menor de ellos. La desviación
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesESTADÍSTICA SEMANA 3
ESTADÍSTICA SEMANA 3 ÍNDICE MEDIDAS DESCRIPTIVAS... 3 APRENDIZAJES ESPERADOS... 3 DEFINICIÓN MEDIDA DESCRIPTIVA... 3 MEDIDAS DE POSICIÓN... 3 MEDIDAS DE TENDENCIA CENTRAL... 4 MEDIA ARITMÉTICA O PROMEDIO...
Más detallesADMINISTRACION DE OPERACIONES
Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura
Más detallesMedidas de Tendencia Central.
Medidas de Tendencia Central www.jmontenegro.wordpress.com MEDIDAS DE RESUMEN MDR MEDIDAS DE TENDENCIA CENTRAL MEDIA MEDIANA MODA CUARTILES,ETC. MEDIDAS DE DISPERSIÓN RANGO DESVÍO EST. VARIANZA COEFIC.
Más detallesPuede que se quede sin gasolina Se quedará sin gasolina No debió seguir Se ha
1. Si al llegar a la esquina Jim dobla a la derecha o a la izquierda puede quedarse sin gasolina antes de encontrar una estación de servicio. Ha dejado una atrás, pero sabe que, si vuelve, se le acabará
Más detallesSimulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación
Más detallesGeneración de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Georgina Flesia FaMAF 16 de abril, 2013 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:
Más detallesPruebas de Hipótesis. Diseño Estadístico y Herramientas para la Calidad. Pruebas de Hipótesis. Hipótesis
Diseño Estadístico y Herramientas para la Calidad Pruebas de Hipótesis Expositor: Dr. Juan José Flores Romero juanf@umich.mx http://lsc.fie.umich.mx/~juan M. en Calidad Total y Competitividad Pruebas de
Más detalles( ) DISTRIBUCIÓN UNIFORME (o rectangular) 1 b a. para x > b DISTRIBUCIÓN DE CAUCHY. x ) DISTRIBUCIÓN EXPONENCIAL. α α 2 DISTRIBUCIÓN DE LAPLACE
Estudiamos algunos ejemplos de distribuciones de variables aleatorias continuas. De ellas merecen especial mención las derivadas de la distribución normal (χ, t de Student y F de Snedecor), por su importancia
Más detallesTEMA 1. Números Reales. Teoría. Matemáticas
1 1.- Los números reales Cuáles son los números reales? Los números reales son todos los números racionales y todos los números irracionales. El conjunto de los números reales se designa con el símbolo
Más detallesVariables aleatorias
Distribuciones continuas Se dice que una variable aleatoria X tiene una distribución continua, o que X es una variable continua, si existe una función no negativa f, definida sobre los números reales,
Más detallesARITMETICA MODULAR: Una Aritmética Divertida Luis F. Cáceres
ARITMETICA MODULAR: Una Aritmética Divertida Luis F. Cáceres La idea de número debió surgir de la necesidad que tenía el hombre de llevar registro de cosas importantes del diario vivir. Cuántas ovejas
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesModelos de distribuciones discretas y continuas
Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Modelos de distribuciones discretas y continuas Estadística I curso 2008 2009 1. Distribuciones discretas Aquellas
Más detallesEJERCICIOS DE PRUEBA DE HIPOTESIS
EJERCICIOS DE PRUEBA DE HIPOTESIS Protocolo 1. Identifique la aseveración original que se probará y exprésela en forma simbólica 1. 2. Dar la forma simbólica que debe ser verdad si la aseveración original
Más detallesSCUACAC026MT22-A16V1. SOLUCIONARIO Ejercitación Generalidades de números
SCUACAC026MT22-A16V1 0 SOLUCIONARIO Ejercitación Generalidades de números 1 TABLA DE CORRECCIÓN GUÍA PRÁCTICA EJERCITACIÓN GENERALIDADES DE NÚMEROS Ítem Alternativa 1 E 2 D 3 B 4 E 5 A 6 E 7 B 8 D 9 D
Más detallesUNIDAD 8: SUCESIONES Y SERIES
UNIDAD 8: SUCESIONES Y SERIES Llegamos a la última unidad de la asignatura correspondiente a Sucesiones y Series, recuerde mantener la motivación hasta el final, el tema que vamos a tratar aquí es de especial
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesSUCESIONES. sucesiones 1
www.matebrunca.com Profesor Waldo Márquez González sucesiones SUCESIONES Definición Una sucesión infinita es una función cuyo dominio es el conjunto de los enteros positivos y cuyo rango es un subconjunto
Más detallesMAXIMOS Y MINIMOS RELATIVOS
MAXIMOS Y MINIMOS RELATIVOS Con cierta frecuencia nos encontramos con la necesidad de buscar la mejor forma de hacer algo. En muchas ocasiones a través de los poderosos mecanismos de cálculo diferencial
Más detallesSe desea estudiar el comportamiento de una función a medida independiente x se aproxima a un valor específico.
Tema: Límites de las funciones Objetivos: Comprender el concepto de límite de una función y las propiedades de los límites. Calcular el límite de una función algebraica utilizando las propiedades de los
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesRESUMEN DE CONCEPTOS TEÓRICOS MATEMÁTICAS 1º ESO. CURSO
RESUMEN DE CONCEPTOS TEÓRICOS MATEMÁTICAS 1º ESO. CURSO 2015-2016 UNIDAD 1: NÚMEROS NATURALES (1) Múltiplo de un número: Un número es múltiplo de otro si el segundo está contenido en el primero un número
Más detallesLOS NÚMEROS ENTEROS. Para restar un número entero, se quita el paréntesis y se pone al número el signo contrario al que tenía.
Melilla Los números Enteros y operaciones elementales LOS NÚMEROS ENTEROS 1º LOS NÚMEROS ENTEROS. El conjunto de los números enteros Z está formado por los números naturales (enteros positivos) el cero
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesPrimaria Sexto Grado Matemáticas (con QuickTables)
Primaria Sexto Grado Matemáticas (con QuickTables) Este curso cubre los conceptos mostrados a continuación. El estudiante navega por trayectos de aprendizaje basados en su nivel de preparación. Usuarios
Más detallesLa función, definida para toda, es periódica si existe un número positivo tal que
Métodos con series de Fourier Definición: Función periódica La función, definida para toda, es periódica si existe un número positivo tal que para toda. El número en un periodo de la función. Si existe
Más detallesMEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN. Lic. Esperanza García Cribilleros
MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Lic. Esperanza García Cribilleros ANÁLISIS EXPLORATORIO DE DATOS Diagrama de tallo y hojas Diagrama de caja DESCRIPCIÓN N DE LOS DATOS Tablas
Más detalles7.1 Consideraciones. Considere la búsqueda de un libro en una biblioteca. Considere la búsqueda de un nombre en el directorio telefónico.
86 Capítulo 7. ORDENAMIENTO. 7.1 Consideraciones. Considere la búsqueda de un libro en una biblioteca. Considere la búsqueda de un nombre en el directorio telefónico. Si los elementos a ordenar son compuestos
Más detallesEl ente básico de la parte de la matemática conocida como ANÁLISIS, lo constituye el llamado sistema de los número reales.
EL SISTEMA DE LOS NÚMEROS REALES Introducción El ente básico de la parte de la matemática conocida como ANÁLISIS, lo constituye el llamado sistema de los número reales. Números tales como:1,3, 3 5, e,
Más detallesProblemas variados de Patrones
Problemas variados de Patrones 1. Cuál es la suma de los últimos dos dígitos de 7 2000? 2. Supongamos que multiplicamos novecientos noventa y nueve sietes. Cuál es el último dígito del producto? 3. Los
Más detallesDiscretas. Continuas
UNIDAD 0. DISTRIBUCIÓN TEÓRICA DE PROBABILIDAD Discretas Binomial Distribución Teórica de Probabilidad Poisson Normal Continuas Normal Estándar 0.1. Una distribución de probabilidad es un despliegue de
Más detallesPreparación para Álgebra universitaria con trigonometría
Preparación para Álgebra universitaria con trigonometría Este curso cubre los siguientes temas. Usted puede personalizar la gama y la secuencia de este curso para satisfacer sus necesidades curriculares.
Más detallesContinuación Números Naturales:
Continuación Números Naturales: Múltiplos y divisores de un número natural. Reglas de divisibilidad. Mínimo común múltiplo y Máximo común divisor. Ejercicios de aplicación. Continuación Números Naturales:
Más detallesGeneración de variables aleatorias discretas Método de la Transformada Inversa
Generación de variables aleatorias discretas Método de la Transformada Inversa Patricia Kisbye FaMAF 30 de marzo, 2010 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:
Más detallesPruebas de Hipótesis Multiples
Pruebas de Hipótesis Multiples Cuando queremos hacer comparaciones de mas de dos poblaciones, una alternativa es comparar todos los grupos a la vez con el método de Análisis de Varianza (ANOVA) H o : µ
Más detallesContraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste
1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detallesAlgunas Distribuciones Discretas de Probabilidad. UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Discretas de Probabilidad UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesAnálisis de Decisiones II. Tema 17 Generación de números al azar. Objetivo de aprendizaje del tema
Tema 17 Generación de números al azar Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Obtener números aleatorios a partir de un proceso de generación. Validar las características
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesCAPITULO III: METODOLOGIA. En el presente capítulo se describirá el conjunto de pasos a seguir para lograr el
CAPITULO III: METODOLOGIA En el presente capítulo se describirá el conjunto de pasos a seguir para lograr el objetivo propuesto en esta tesis. Primero se presenta la descripción general del programa y
Más detallesPrueba de Hipótesis. Para dos muestras
Prueba de Hipótesis Para dos muestras Muestras grandes (n mayor a 30) Utilizar tabla Z Ho: μ1 = μ2 H1: μ1 μ2 Localizar en valor de Zt en la tabla Z Error estándar de la diferencia de medias Prueba de
Más detallesMEDIDAS DE VARIABILIDAD
MEDIDAS DE VARIABILIDAD 1 Medidas de variabilidad Qué son las medidas de variabilidad? Las medidas de variabilidad de una serie de datos, muestra o población, permiten identificar que tan dispersos o concentrados
Más detallesPrimaria Quinto Grado Matemáticas (con QuickTables)
Primaria Quinto Grado Matemáticas (con QuickTables) Este curso cubre los conceptos mostrados a continuación. El estudiante navega por trayectos de aprendizaje basados en su nivel de preparación. Usuarios
Más detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más detallesFUNCIÓN. La Respuesta correcta es D
FUNCIONES FUNCIÓN La Respuesta correcta es D FUNCIÓN Función Continua: Es aquella en la que su gráfica se puede recorrer en forma ininterrumpida en toda su extensión. FUNCIÓN Función Discontinua: Es aquella
Más detallesPruebas de Hipótesis
Pruebas de Hipótesis Tipos de errores Se pueden cometer dos tipos de errores: Decisión Población Ho es erdadera Ho es falsa No rechazar Ho Decisión correcta. Error tipo II Rechazar Ho Error tipo I Decisión
Más detallesUnidad didáctica 1. Operaciones básicas con números enteros
Unidad didáctica 1 Operaciones básicas con números enteros 1.- Representación y ordenación de números enteros Para representar números enteros en una recta hay que seguir estos pasos: a) Se dibuja una
Más detallesUnidad 2. Matrices Conceptos básicos 2.2. Operaciones con matrices 2.3. Matriz Inversa 2.4. El método de Gauss-Jordan 2.5.
Unidad. Matrices.. Conceptos básicos.. Operaciones con matrices.. Matriz Inversa.. El método de Gauss-Jordan.. Aplicaciones Objetivos particulares de la unidad Al culminar el aprendizaje de la unidad,
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesGRUPO A GRUPO B Total = 225 Total = 250. Medidas de tendencia central.
Medidas de dispersión o variabilidad Tema 5 Profesor Tevni Grajales G. A dos grupos diferentes de estudiantes se les preguntó cuánto deseaban pagar como cuotas de graduación. En ambos casos el promedio
Más detallesPRÁCTICA #6 TIPOS DE DATOS ESTRUCTURADOS: Arreglos, Registros y Archivos
PRÁCTICA #6 TIPOS DE DATOS ESTRUCTURADOS: Arreglos, Registros y Archivos Sección de revisión de teoría 1. Comente sobre: 1.1. Tipos de Datos Estructurados y sus principales ventajas frente a los Tipos
Más detallesFÓRMULA PARA OBTENER NÚMEROS DE CARMICHAEL CON n FACTORES PRIMOS, DONDE n 3.
FÓRMULA PARA OBTENER NÚMEROS DE CARMICHAEL CON n FACTORES PRIMOS, DONDE n 3 Un entero positivo es un número de Carmichael si ocurre que es un número compuesto libre de cuadrados y cumple la congruencia
Más detallesActividad: Qué proporción del área terrestre de Puerto Rico está urbanizada?
Actividad: Qué proporción del área terrestre de Puerto Rico está urbanizada? Introducción En planificación el área urbanizada corresponde a la superficie de un terreno donde se han construido residencias
Más detallesUNIDAD 6 Medidas de tendencia central
UNIDAD Medidas de tendencia central UNIDAD MEDIDAS DE TENDENCIA CENTRAL = EJEMPLO. ó Al estudiar la información estadística de los histogramas y los polígonos de frecuencia, se puso en evidencia un significativo
Más detallesCurso de Probabilidad y Estadística
Curso de Probabilidad y Estadística Distribuciones de Probabilidad Dr. José Antonio Camarena Ibarrola camarena@umich.mx Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica
Más detallesExpresiones algebraicas
Expresiones algebraicas Trabajar en álgebra consiste en manejar relaciones numéricas en las que una o más cantidades son desconocidas. Estas cantidades se llaman variables, incógnitas o indeterminadas
Más detallesFUNDAMENTOS NUMÉRICOS SEMANA 4
FUNDAMENTOS NUMÉRICOS SEMANA 4 ÍNDICE INECUACIONES Y DESIGUALDADES... 3 APRENDIZAJES ESPERADOS... 3 INTRODUCCIÓN... 3 INECUACIONES... 4 REGLAS DE LAS DESIGUALDADES... 4 INECUACIONES LINEALES... 5 INECUACIONES
Más detallesLOS ESTADÍGRAFOS BÁSICOS Y SU INTERPRETACIÓN, M TENDENCIA CENTRAL
PreUnAB LOS ESTADÍGRAFOS BÁSICOS Y SU INTERPRETACIÓN, MEDIDAS DE TENDENCIA CENTRAL Clase # 26 Noviembre 2014 ESTADÍGRAFOS Concepto de estadígrafo Un estadígrafo, o estadístico, es un indicador que se calcula
Más detallesMedidas de tendencia central
Medidas de tendencia central Medidas de tendencia central Medidas de Posición: son aquellos valores numéricos que nos permiten o bien dar alguna medida de tendencia central, dividiendo el recorrido de
Más detallesEXAMEN DEPARTAMENTAL DE CÁLCULO DIFERENCIAL MUESTRA FIN TECATE UABC
EXAMEN DEPARTAMENTAL DE CÁLCULO DIFERENCIAL MUESTRA FIN TECATE UABC 1. REACTIVO MUESTRA Sea el número A qué conjunto pertenece? a) trascendente b) irracionales c) Naturales d) Enteros 2. REACTIVO MUESTRA
Más detallesALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Enteros
Resumen teoría Prof. Alcón ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Z = N {0} N Enteros Las operaciones + y. son cerradas en Z, es decir la suma de dos números enteros es un número entero y el producto
Más detalles