Simulación a Eventos Discretos. Clase 7: Recolección de resultados
|
|
- Javier Torres Quintana
- hace 6 años
- Vistas:
Transcripción
1 Simulación a Eventos Discretos Clase 7: Recolección de resultados
2 Recolección de resultados Aunque es posible recolectar datos de la simulación en cualquier actividad o cola en cualquier instante de tiempo, debemos evitar un alud de resultados que nos pueda ahogar. Los objetivos de la simulación determinan la selección de resultados. Estos deben ser producidos en cantidades digeribles de modo que puedan ser resumidos en gráficos, histogramas o simplemente tablas. Es de suma importancia el análisis estadístico, como ser análisis de factores e intervalos de confianza. Los diferentes tipos de simulación determinan el carácter y requerimientos de la recolección, así como del análisis de los resultados. 2
3 Tipos de simulación Comparación Interesa determinar la diferencia entre los resultados de dos o más corridas. En cada corrida se cambian los valores de las variables de decisión. Predicción Es necesario realizar varias corridas, cada una con diferentes conjuntos de torrentes de números aleatorios. Investigación Requiere contar con una visualización continua de la información a medida que corre la simulación, mostrando largos de colas y uso de recursos entre otros. En comparación y predicción deben capturarse datos durante las corridas para realizar los cálculos necesarios que fueran determinados según los objetivos de la simulación. 3
4 Simulación en estado estable y terminal Estado estable Una variable está en estado estacionario (estable) si su valor esperado es el mismo durante el período de tiempo que estamos considerando. Una simulación está en estado estacionario si todas sus colas lo están. El estado estacionario es alcanzado luego de un período de tiempo llamado período transitorio inicial (run-in). Terminal Una simulación terminal describe un sistema que opera en períodos cortos de tiempo y que muchas veces nunca alcanza el estado estacionario. Interesa todo el período de simulación. Existen otros tipos de simulación que no son de tipo terminal y que no alcanzan el estado estacionario (por ejemplo, la espera por transplante de riñón en Davies y O Keefe). 4
5 Estado estacionario Para obtener resultados confiables, durante todo el tiempo en que se toman las medidas (cuando se registran los datos de la simulación) el sistema debe estar en estado estacionario. Condiciones iniciales: son los valores iniciales de los parámetros para una simulación en estado estacionario. Las condiciones iniciales determinan un sesgo inicial que influye en el tiempo que lleva alcanzar la estabilidad, en los resultados y en las estimaciones calculadas. Este sesgo se puede anular realizando simulaciones durante un período de tiempo muy largo. 5
6 Existen tres maneras de obtenerlos: Resultados confiables 1. Comenzar en estado estacionario con información del sistema real. El modelo se inicializa con las entidades en actividad y en colas, organizadas en el calendario según información anterior y de acuerdo a sus distribuciones. 2. La simulación se corre hasta alcanzar el estado estacionario, el cual se toma como punto de partida para las siguientes corridas. 3. Se corre la simulación desde el sistema vacío hasta el estado estable; alĺı se comienzan a recolectar datos. El tercer método es el más seguro. En los dos primeros se corre el riesgo de obtener datos sesgados; el fin del período run-in puede variar dependiendo en algunos casos de los distintos valores de las variables de decisión. 6
7 Detección del estado estacionario En el método de promedios acumulados 1 se registran promedios acumulados de los parámetros de salida (por ejemplo, largo medio de una cola) en puntos discretos del tiempo. El promedio tiende a un valor relativamente constante cuando se alcanza la estabilidad. Se considera que el último parámetro en alcanzar la estabilidad, determina el fin del período run-in. Si Xt es el promedio de un parámetro obtenido en un intervalo de tiempo t, entonces los promedios acumulados serían: X1, X 1 + X 2 2,... X X n n 1 Gafarian, A. V., Ancker Jnr, C. J. and Morisaku, T. (1978) Evaluation of commonly used rules for detecting steady state in computer simulation. Naval Research Logistics Quarterly 25:
8 Detección del estado estacionario El tamaño de los intervalos se determina mediante ensayos de prueba y error. Tener en cuenta que cada intervalo debe incluir un número suficientemente grande de observaciones. 8
9 Filas de espera y simulación Los modelos de Simulación a Eventos Discretos pueden verse como modelos complejos de filas de espera. Los resultados producidos por los modelos de filas de espera, son también de interés en el contexto de la simulación, a saber: largos de filas, tiempos de espera en fila y en el sistema, número de entidades en el sistema, tasas de utilización y uso de recursos. 9
10 Filas de espera y simulación Los sistemas descritos por filas de espera se suponen en estado estacionario, por lo tanto se realiza el cálculo a partir de pocos parámetros. Pero en simulaciones que describen sistemas más complejos y no estacionarios, se necesita tomar más cantidad y variedad de resultados. Los datos se toman en los tiempos que ocurre cada evento. Es una decisión análoga a la recolección de datos en el sistema real, pero con ventajas ya que se pueden realizar muchas corridas para obtener una muestra mayor. 10
11 Recolección de resultados Los datos que se recolectan son guardados en histogramas o tablas. Los resultados que produce una simulación pueden ser: 1. Distribuciones, promedios y varianzas de las respuestas de interés acorde avanza el tiempo. Proveen importante información en corridas de simulaciones en estado estable. 2. Series de tiempo: se usan para variables que cambian sistemáticamente durante la corrida de la simulación. Se usa en sistemas en estado no estable. 3. Valores instantáneos de variables tomados cada intervalos en el tiempo, por ejemplo: largo de cola o la cantidad de entidades. También resultados que resumen medidas sobre toda la corrida como por ejemplo el uso de un recurso (promedio o total). Son usados en ambos tipos de simulación. 11
12 Registro de datos La simulación debe registrar las estadísticas y datos en histogramas o tablas a medida que corre la simulación para poder calcular los resultados. Aspecto clave: cómo se toman y registran los datos? 12
13 Tiempos de espera El tiempo de espera de una entidad para comenzar una actividad, se registra al inicio del evento condicionado correspondiente al comienzo de dicha actividad, antes de colocar a la entidad en el calendario (cuando es retirada de la cola). Se calcula como t presente t reloj, donde el primero es el instante actual de la simulación (fin de la espera) y el segundo es el instante en el que la entidad se colocó en la cola (comienzo de la espera). 13
14 Tiempos ponderados Las observaciones de tiempos ponderados se utilizan para que las distribuciones de los largos de cola y uso de recursos reflejen también los tiempos durante los cuales han mantenido determinados valores. Cuando una entidad se agrega o quita de la cola, se toma la observación X t, donde X es el largo (anterior) de la cola y t es el lapso de tiempo desde la observación anterior realizada. Análogamente se procede para registrar el uso de los recursos. 14
15 Series de tiempo Las series de tiempo muestran la tendencia de las variables de respuesta a medida que transcurre el tiempo de la simulación. Dado que en simulación a eventos discretos el estado del sistema se mantiene fijo entre la ocurrencia de dos eventos consecutivos, los valores se toman en intervalos de tiempos regulares, independientemente de la ocurrencia del evento. 15
16 Histogramas Proveen representación visual de la distribución de frecuencias. Se usan para mostrar resultados de la simulación o la tendencia de algunas variables durante la simulación. Existen dos tipos: Datos de frecuencias El eje X se divide en celdas de igual tamaño hasta el número mayor contado en la simulación. Cada medida realizada caerá en alguna de dichas celdas. Para observaciones no ponderadas por el tiempo (por ejemplo, tiempo de espera), por cada valor observado que caiga en la celda X se agrega una unidad en su correspondiente eje Y. Para las ponderadas por el tiempo, se agrega el tiempo transcurrido desde la última observación (Figura 5.2 de Davies y O Keefe). Datos de tendencias El eje X se divide en celdas de igual longitud, que representan intervalos de tiempo (Figura 5.3 de Davies y O Keefe). La longitud total del eje debe tener en cuenta la duración de la simulación. El eje Y representa los valores de las variables que se observan; se ingresan en las celdas correspondientes al intervalo de tiempo en el que fueron observadas. 16
17 Tipos de resultados e histogramas Frecuencias Tiempos de espera (state): el valor y(x) representa la cantidad de observaciones en el intervalo correspondiente a la casilla x (por ejemplo: 13 entidades esperaron un tiempo entre 10 y 20 segundos). Largos de cola, utilización de recursos (time-weighted): el valor y(x) representa la cantidad de tiempo que la medida x permaneció en ese valor (por ejemplo: la cola tuvo largo 9 durante 146 minutos, en intervalos posiblemente disjuntos en el tiempo). Tendencias Series de tiempo (time-series): el valor y(x) se observó en un instante de tiempo dentro de la casilla x (por ejemplo: el largo de la cola era 3 en el instante de tiempo correspondiente a la casilla que representa el intervalo 20-30). 17
18 Histogramas en EOSimulator Existe una clase para cada tipo de histograma diferente: Observation: histogramas de frecuencias (state). TimeSeries: histogramas de series de tiempo. TimeWeighted: histogramas ponderados en el tiempo. La operación log(double) (definida en la clase abstracta Histogram) tiene distintos métodos según la clase concreta. 18
19 Histogramas en EOSimulator Se almacena toda la información registrada de forma desagregada (clase Histogram) y posteriormente permite configurar la visualización de formas diferentes (tablas, gráficos). Para registrar los datos se invoca la operación log, cuyo parámetro depende del tipo de histograma: Observaciones ponderadas en el tiempo y de series de tiempo: El parámetro es el valor observado; el histograma extrae del modelo el instante actual de la simulación para realizar los cálculos necesarios. Las observaciones de series de tiempo deben registrarse cada intervalos regulares de tiempo. State: El parámetro debe indicar el valor en el eje X; por ejemplo, para tiempos de espera x=modelo->getsimtime()-entidad->getclock();. El histograma registra una observación correspondiente a dicho valor. 19
20 Histogramas en EOSimulator Las operaciones print y table reciben un parámetro que indica la cantidad de celdas que se utilizarán para agregar los datos. Agregan la información (que fue registrada de forma desagregada) de acuerdo al parámetro especificado. Para histogramas Observation y TimeWeighted, tener en cuenta el rango de valores que se desea obtener en la agregación. Para histogramas TimeSeries, tener en cuenta que la cantidad de celdas debe ser igual a la cantidad de observaciones (que se debieron realizar cada intervalos regulares de tiempo). Las operaciones getmean() y getvariance() devuelven el valor medio y la varianza de las obervaciones, respectivamente. Ver código fuente y de ejemplo en la distribución de EOSimulator. 20
21 Histogramas en Pascal SIM Procedimientos make histogram, reset histogram, log histogram y print histogram. Operan sobre variables de tipo histogram (el mismo tipo de variable se utiliza para representar distintos tipos de histogramas). La operación log histogram recibe los dos parámetros x e y. Especial cuidado debe tenerse al cargar sus valores y al inicializar el histograma, de acuerdo al uso que se le dará (state, time-weighted o time-series). Ver código fuente de Pascal SIM y ejemplos de Sección 6.A en Davies y O Keefe. 21
22 Análisis posterior de resultados La simulación produce información para el apoyo a la toma de decisiones. Los datos (resultados) se procesarán estadísticamente, a partir del resumen de varias corridas, mediante visualización gráfica o mediante una fórmula de cálculo (por ejemplo, de costos). La decisión de cómo presentar la información se debe planificar anticipadamente, aunque se puede dejar para el final, una vez realizado el plan de experimentación. Registro de la información: largo de cola, uso de recursos, tiempo de espera, etc. Pueden ser obtenidos en cada ocasión de un evento. Uso de la información: puede ser presentada usando procedimientos estadísticos (eventualmente utilizando paquetes estadísticos especializados). 22
23 Preguntas 1. Cual es la diferencia entre una simulación en estado estacionario y una de tipo terminal? Dar un ejemplo de cada una. 2. Definir estado estacionario y describir un método para encontrarlo. 3. Describir los tres tipos de histogramas de acuerdo a sus correspondientes tipos de resultados (state, time-weighted o time-series). 4. Mencionar los aspectos a tener en cuenta para inicializar histogramas y para registrar datos en los mismos, dependiendo del tipo de resultado en EOSimulator. 23
Recolección y Análisis de Resultados
Recolección y Análisis de Resultados Clase nro. 7 CURSO 2010 Recolección de resultados Evitar un alud de resultados que nos pueda ahogar. Los objetivos determinan la selección de resultados. Estos deben
Más detallesCasos de estudio. Clase nro. 9 CURSO Modelo de simulación. Producir un modelo de simulación no es solamente escribir código.
Casos de estudio Clase nro. 9 CURSO 2010 Modelo de simulación Producir un modelo de simulación no es solamente escribir código. La estructura de la simulación y sus distribuciones se derivarán de: OBJETIVOS
Más detallesTécnicas de validación y experimentación
Técnicas de validación y experimentación Clase nro 11 Introducción Todo modelo debe ser testeado para asegurarnos que es confiable, no tiene errores y que es aceptado por aquellos que lo van a usar. Luego
Más detallesSIMULACION MANUAL PROFESOR: DR. 1 JORGE ACUÑA A.
SIMULACION MANUAL La simulación de un sistema solía hacerse en forma manual lo que acarreaba mucho tiempo y paciencia. Esto restringía tremendamente su uso. La computadora era aún mas lenta. PROFESOR:
Más detallesSimulación de eventos discretos.
Simulación de eventos discretos http://humberto-r-alvarez-a.webs.com Qué es simulación? Consiste en diseñar y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentalmente con
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 detallesHistograma y Grafico de Control
2014 Histograma y Grafico de Control Sustentantes: Sabrina Silvestre 2011-0335 Juan Emmanuel Sierra Santos 2011-0367 Rosa Stefany Flech Mesón 2011-0436 Docente: Ing.MS Eliza N. González Universidad Central
Más detallesEl ejemplo: Una encuesta de opinión
El ejemplo: Una encuesta de opinión Objetivos Lo más importante a la hora de planificar una encuesta es fijar los objetivos que queremos lograr. Se tiene un cuestionario ya diseñado y se desean analizar
Más detallesEl estudio del movimiento de los cuerpos generalmente se divide en dos fases, por conveniencia: la cinemática y la dinámica.
Tema 1: Cinemática. Introducción. Describir el movimiento de objetos es una cuestión fundamental en la mecánica. Para describir el movimiento es necesario recurrir a una base de conceptos o ideas, sobre
Más detalles4. 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 detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
Más detallesINSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA:
INSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA: AREA : MATEMATICAS. ASIGNATURA: MATEMATICAS. NOTA DOCENTE: EDISON MEJIA MONSALVE TIPO DE GUIA: CONCEPTUAL - EJERCITACION PERIODO GRADO FECHA N DURACION
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 detallesZ i
Medidas de Variabilidad y Posición. Jesús Eduardo Pulido Guatire, marzo 010 Cuando trabajamos el aspecto denominado Medidas de Tendencia Central se observó que tanto la media como la mediana y la moda
Más detallesMANUAL DE USO PROGRAMA SENSIBAR
MANUAL DE USO PROGRAMA SENSIBAR ANALSIS DE SENSIBILIDAD Y SIMULACION DE MONTECARLO JOSE FUENTES VALDES FACEA - UNIVERSIDAD DE CONCEPCION Facultad de Economía Universidad de Concepción 1 SensiBar. ANALSIS
Más detallesPreparación de los datos de entrada
Preparación de los datos de entrada Clase nro. 6 CURSO 2010 Objetivo Modelado de las características estocásticas de los sistemas. Variables aleatorias con su distribución de probabilidad. Por ejemplo:
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 detallesUnidad Temática 3: Probabilidad y Variables Aleatorias
Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento
Más detallesTema 8. Análisis de dos variables Ejercicios resueltos 1
Tema 8. Análisis de dos variables Ejercicios resueltos 1 Ejercicio resuelto 8.1 La siguiente tabla muestra la distribución del gasto mensual en libros y el gasto mensual en audiovisual en euros en los
Más detallesUNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)
UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) 1. ESTADÍSTICA: CLASES Y CONCEPTOS BÁSICOS En sus orígenes históricos, la Estadística estuvo ligada a cuestiones de Estado (recuentos, censos,
Más detallesExactitud y Linearidad del Calibrador
Exactitud y Linearidad del Calibrador Resumen El procedimiento Exactitud y Linearidad del Calibrador fue diseñado para estimar la exactitud del sistema de medición. En contraste con los procedimientos
Más detallesSimulación. Problema del jardinero. Modelo de stock aleatorio. Camino crítico.
Simulación Temario de la clase Introducción. Generacion de variables aleatorias: método de la transformada inversa. Avance del tiempo de simulación. Determinación de la cantidad de iteraciones requeridas.
Más detallesCUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES
TUTORÍA DE INTRODUCCIÓN A LA ESTADÍSTICA (º A.D.E.) CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES 1º) Qué ocurre cuando r = 1: a) Los valores teóricos no
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 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 detallesFundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 2 Estadística Descriptiva Clasificación de Variables Escalas de Medición Gráficos Tabla de frecuencias Medidas de Tendencia Central Medidas de Dispersión
Más detallesTransformaciones de Potencia
Transformaciones de Potencia Resumen El procedimiento Transformaciones de Potencia está diseñado para definir una transformación normalizadora para una columna de observaciones numéricas que no provienen
Más detalles2.- Tablas de frecuencias
º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMA 3.- ESTADÍSTICA DESCRIPTIVA PROFESOR: RAFAEL NÚÑEZ -----------------------------------------------------------------------------------------------------------------------------------------------------------------
Más detallesFLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- BLOQUE ESTADÍSTICA: ESTADÍSTICA VARIABLE UNIDIMENSIONAL. Estadística variable unidimensional
FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- Estadística variable unidimensional 1. Conceptos de Estadística 2. Distribución de frecuencias 2.1. Tablas de valores con variables continuas 3. Parámetros
Más detalles2º ESO UNIDAD 14 ESTADÍSTICA Y PROBABILIDAD
º ESO UNIDAD 1 ESTADÍSTICA Y PROBABILIDAD 1 1.- CONCEPTOS BÁSICOS Estadística.- Es la ciencia que estudia conjuntos de datos obtenidos de la realidad. Estos datos son interpretados mediante tablas, gráficas
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 detallesANÁLISIS DE FRECUENCIAS
ANÁLISIS DE FRECUENCIAS EXPRESIONES PARA EL CÁLCULO DE LOS EVENTOS PARA EL PERÍODO DE RETORNO T Y DE LOS RESPECTIVOS ERRORES ESTÁNDAR DE ESTIMACIÓN REQUERIDOS PARA LA DETERMINACIÓN DE LOS INTERVALOS DE
Más detallesTablas de distribución de Frecuencias
Tablas de distribución de Frecuencias Valores Y 4 3.5 3 2.5 2 1.5 1 0.5 0-2 0 2 4 6 Valores Y Docente: Jhony Montenegro Molina ww.jmontenegro.wordpress.com Reflexionemos un poco Tabla de Distribución de
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 detallesTema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0
Ignacio Martín Tamayo 11 Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0 ÍNDICE ------------------------------------------------------------- 1. Introducción 2. Frecuencias 3. Descriptivos 4. Explorar
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesEXPERIMENTO ALEATORIO
EXPERIMENTO ALEATORIO En concepto de la probabilidad, un experimento aleatorio es aquel que bajo el mismo conjunto aparente de condiciones iniciales, puede presentar resultados diferentes, en otras palabras,
Más detallesGRAFICOS DE CONTROL DATOS TIPO VARIABLES
GRAFICOS DE CONTROL DATOS TIPO VARIABLES OBJETIVO DEL LABORATORIO El objetivo del presente laboratorio es que el estudiante conozca y que sea capaz de seleccionar y utilizar gráficos de control, para realizar
Más detallesUniversidad Diego Portales
Universidad Diego Portales Estadística I Sección II: Distribuciones de Frecuencia y Representación Gráfica Sigla: EST2500 Nombre Asignatura: Estadística I Organización y Resumen de Datos Como recordará,
Más detallesORGANIZACIÓN Y REPRESENTACIÓN GRÁFICA DE LOS DATOS
ORGANIZACIÓN Y REPRESENTACIÓN GRÁFICA DE LOS DATOS Licenciatura en Gestión Ambiental 2015 Una vez que se ha realizado la recolección de los datos, se obtienen datos en bruto, los cuales rara vez son significativos
Más detallesAnálisis Probit. StatFolio de Ejemplo: probit.sgp
STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo
Más detallesCURSO: ANALISIS ESTADISTICO DE RIESGOS
MANAGEMENT CONSULTORES CURSO: ANALISIS ESTADISTICO DE RIESGOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: acaminos@mgmconsultores.com.ar
Más detallesOrganización de Datos
Organización de Datos Mtro. Romeo Altúzar Meza 3:16:06 p. m. Introducción Siendo el dato el material que se debe procesar, es decir, la materia prima de la estadística, el primer paso es entonces la recolección
Más detallesESCUELA COMERCIAL CÁMARA DE COMERCIO EXTENSIÓN DE ESTUDIOS PROFESIONALES MAESTRÍA EN ADMINISTRACIÓN
CICLO, ÁREA O MÓDULO: TERCER CUATRIMESTRE OBJETIVO GENERAL DE LA ASIGNATURA: Al termino del curso el alumno efectuara el análisis ordenado y sistemático de la Información, a través del uso de las técnicas
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 detallesCapítulo 2. Presentación, organización y descripción de datos. Continuar
Capítulo 2 Presentación, organización y descripción de datos Continuar Introducción Una vez que se han coleccionado los datos, se les debe dar una mirada general para obtener una percepción de sus características
Más detalles2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS)
2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS) La idea principal en este capitulo es el inicio a planear los diseño experimentales y su correspondiente análisis estadístico. En este caso iniciaremos
Más detallesGuía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA
1. Introducción Guía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA Los análisis económicos y empresariales se efectúan sobre la base de la toma de decisiones, las cuales se toman a partir de la información
Más detallesUniversidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre Profesor: Jaime Soto
Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre 2011-1 Profesor: Jaime Soto PRUEBA DE HIPÓTESIS Ejemplo El jefe de la Biblioteca de la URBE manifiesta
Más detalles07 Estimación puntual e introducción a la estadística inferencial
07 Estimación puntual e introducción a la estadística inferencial Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Contenido Qué es la estadística inferencial?
Más detallesTema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
Más detallesESTADISTICA. Tradicionalmente la aplicación del término estadística se ha utilizado en tres ámbitos:
ESTADISTICA Tradicionalmente la aplicación del término estadística se ha utilizado en tres ámbitos: a) Estadística como enumeración de datos. b) Estadística como descripción, es decir, a través de un análisis
Más detalles1.- Diagrama de barras
1.- Diagrama de barras Un diagrama de barras se utiliza para de presentar datos cualitativos o datos cuantitativos de tipo discreto (variables tipo II). Se representan sobre unos ejes de coordenadas, en
Más detallesIndicaciones para el lector... xv Prólogo... xvii
ÍNDICE Indicaciones para el lector... xv Prólogo... xvii 1. INTRODUCCIÓN Qué es la estadística?... 3 Por qué estudiar estadística?... 5 Empleo de modelos en estadística... 6 Perspectiva hacia el futuro...
Más detallesLECTURA 01: LA ESTADÍSTICA. TÉRMINOS DE ESTADÍSTICA. RECOLECCIÓN DE DATOS TEMA 1: LA ESTADISTICA: DEFINICION Y CLASIFICACION
LECTURA 01: LA ESTADÍSTICA. TÉRMINOS DE ESTADÍSTICA. RECOLECCIÓN DE DATOS TEMA 1: LA ESTADISTICA: DEFINICION Y CLASIFICACION 1. DEFINICION La estadística es una ciencia que proporciona un conjunto métodos
Más detallesBoletín Asesoría Gerencial*
Boletín Asesoría Gerencial* Marzo 2007 Cuantificación del capital requerido - OpVaR *connectedthinking Cuantificación del capital requerido - OpVaR Introducción Para ampliar: haga click sobre la imagen
Más detallesUna población es el conjunto de todos los elementos a los que se somete a un estudio estadístico.
Estadística Definición de Estadística La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un
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 detallesEjemplos y ejercicios de. Estadística Descriptiva. yanálisis de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.
ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS Ejemplos y ejercicios de Estadística Descriptiva yanálisis de Datos Diplomatura en Estadística Curso 007/08 Descripción estadística de una variable. Ejemplos
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesDistribuciones de Probabilidad
Distribuciones de Probabilidad Variables Aleatorias Ahora se introducirá el concepto de variable aleatoria y luego se introducirán las distribuciones de probabilidad discretas más comunes en la práctica
Más detallesEJERCICIOS RESUELTOS TEMA 1.
EJERCICIOS RESUELTOS TEMA 1. 1.1. El proceso por el cual se asignan números a objetos o características según determinadas reglas se denomina: A) muestreo; B) estadística; C) medición. 1.2. Mediante la
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA
ANALISIS DE FRECUENCIA EN HIDROLOGIA Luis F. Carvajal Julián D. Rojo Universidad Nacional de Colombia Facultad de Minas Escuela de Geociencias y Medio Ambiente Introducción 1. Los eventos hidrológicos
Más detallesIng. Eduardo Cruz Romero w w w. tics-tlapa. c o m
Ing. Eduardo Cruz Romero eduar14_cr@hotmail.com w w w. tics-tlapa. c o m La estadística es tan vieja como la historia registrada. En la antigüedad los egipcios hacían censos de las personas y de los bienes
Más detalles2.1. Introducción Análisis exploratorio Análisis exploratorio para variables con muchas modalidades
Tema 2 Análisis gráfico Contenido 2.1. Introducción............................. 1 2.2. Análisis exploratorio......................... 2 2.2.1. Análisis exploratorio para variables con pocas modalidades
Más detallesIntroducción a la unidad 4:
Introducción a la unidad 4: Valor actual neto, tasa interna de retorno INACAP Virtual Introducción a la Unidad 4 Matemática financiera 2 ÍNDICE DE CONTENIDOS ÍNDICE DE CONTENIDOS... 3 INTRODUCCIÓN... 4
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 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 detalles3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.
3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,
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 detallesDistribuciones de frecuencia
Distribuciones de frecuencia Distribución de frecuencias simple Por: Sandra Elvia Pérez Observa los datos que se muestran en la tabla 1, que fueron obtenidos al realizar un conteo del número de autos vendidos
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 detallesEstadística Descriptiva Métodos descriptivos visuales y medidas resumen
6 Estadística Descriptiva Métodos descriptivos visuales y medidas resumen Las técnicas de la estadística descriptiva pueden aplicarse tanto a datos muestrales como a datos poblacionales. Tipos de datos.
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir
Más detallesUnidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua.
Unidad IV Distribuciones de Probabilidad Continuas 4.1. Definición de variable aleatoria continúa. Una variable aleatoria X es continua si su función de distribución es una función continua. En la práctica,
Más detallesCalificaciones de Moodle
Moodle 1.9+ Alicia García Holgado GRupo de Investigación en interacción y elearning (GRIAL) Universidad de Salamanca http://grial.usal.es A partir de la versión 1.9 de Moodle el módulo de calificaciones
Más detallesSOLECMEXICO CONTADOR TTL 7490
1 CONTADOR TTL 7490 Un contador MOD-10, es también conocido como contador de décadas. Un contador de décadas es cualquier contador que tenga 10 estados diferentes, independientemente de la secuencia. Un
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Más detallesJUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas
JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme
Más detallesLa Hoja de cálculo como herramienta para el seguimiento del Alumnado
La Hoja de cálculo como herramienta para el seguimiento del Alumnado 1. Introducción Son numerosos los recursos informáticos que hay en un centro educativo de Andalucía, y aún más las posibilidades que
Más detallesFÓRMULAS Y FUNCIONES
Centro de Estudios Empresariales 1 FÓRMULAS Y FUNCIONES Una fórmula nos permite calculas rápidamente valores directos introducidos en una celda y operar con valores previamente introducidos en otras celdas,
Más detallesTEMA 10 COMPARAR MEDIAS
TEMA 10 COMPARAR MEDIAS Los procedimientos incluidos en el menú Comparar medias permiten el cálculo de medias y otros estadísticos, así como la comparación de medias para diferentes tipos de variables,
Más detallesTema 1. Tabulación y representación gráfica de los datos
Tema 1. Tabulación y representación gráfica de los datos Resumen del tema 1.1. Introducción a la Estadística Estadística: ciencia que se ocupa de recoger, clasificar, representar y resumir los datos de
Más detallesMÓDULO III. MEDIDAS DE TENDENCIA CENTRAL, DISPERSIÓN Y ASIMETRÍA
1 UNIVERSIDAD NACIONAL EXPERIMENTAL DE LOS LLANOS OCCIDENTALES EZEQUIEL ZAMORA VICE-RECTORADO DE PLANIFICACIÓN Y DESARROLLO SOCIAL PROGRAMA CIENCIAS SOCIALES Y JURIDICAS SUBPROGRAMA ADMINISTRACIÓN SUBPROYECTO:
Más detallesLa Identificación de Condiciones señala aquellas que son relevantes.
Matriz de árbol de decisiones La tabla de decisión es una matriz de renglones y columnas que indican condiciones y acciones. Las reglas de decisiones, incluidas en una tabla de decisión establecen el procedimiento
Más detallesCAPITULO 6 MEDIDAS DE POSICIÓN
CAITULO 6 MEDIDAS DE OSICIÓN Las medidas de posición equivalen a los valores que puede tomar una variable caracterizados por agrupar a cierto porcentaje de observaciones en la muestra o población. Las
Más detallesACTIVIDAD 2: La distribución Normal
Actividad 2: La distribución Normal ACTIVIDAD 2: La distribución Normal CASO 2-1: CLASE DE BIOLOGÍA El Dr. Saigí es profesor de Biología en una prestigiosa universidad. Está preparando una clase en la
Más detallesAplicaciones de apoyo al diagnóstico médico. Identificación de objetos amigos y enemigos. Identificación de zonas afectadas por un desastre natural.
Capítulo 5 Evaluación En muchas ocasiones requerimos hacer una evaluación muy precisa de nuestros algoritmos de aprendizaje computacional porque los vamos a utilizar en algún tipo de aplicación que así
Más detallesOperación de Microsoft Excel
Formato de datos y celdas Dar formato significa, en términos generales, fijar los parámetros que definirán el aspecto y la presentación de los datos contenidos en las hojas de trabajo. Excel ofrece muchas
Más detallesFórmulas Matriciales con OpenOffice.org Calc 3
Fórmulas Matriciales con OpenOffice.org Calc 3 Una fórmula matricial en OpenOffice.org Calc es una expresión precedida por el símbolo igual (=) que calcula un resultado o produce algún efecto en la hoja
Más detallesDEFINICIONES BÁSICAS
1 CLASES DE ESTADÍSTICA II CLASE 14) INTRODUCCIÓN A LAS PRUEBAS DE HIPÓTESIS. A menudo el analista debe tomar decisiones acerca de la investigación que se está desarrollando. En ese proceso de toma de
Más detallesEjercicio 1. Ejercicio 2
Guía de Ejercicios Ejercicio. Calcular los momentos de primer y segundo orden (media y varianza) de una variable aleatoria continua con distribución uniforme entre los límites a y b.. Sabiendo que la función
Más detallesANÁLISIS GRANULOMÉTRICOS - REPRESENTACIONES GRÁFICAS PARÁMETROS ESTADÍSTICOS
ANÁLISIS GRANULOMÉTRICOS - REPRESENTACIONES GRÁFICAS PARÁMETROS ESTADÍSTICOS REPRESENTACIONES GRÁFICAS Los análisis texturales presentados como gráficas simplifican la comparación entre las muestras y
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesModelos de cola.
Modelos de cola http://humberto-r-alvarez-a.webs.com Las colas Las colas son frecuentes en la vida cotidiana: En un banco En un restaurante de comidas rápidas Al matricular en la universidad Los autos
Más detallesMedidas descriptivas I. Medidas de tendencia central A. La moda
Medidas descriptivas I. Medidas de tendencia central A. La moda Preparado por: Roberto O. Rivera Rodríguez Coaching de matemática Escuela Eduardo Neuman Gandía 1 Introducción En muchas ocasiones el conjunto
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 detallesUniversidad Nacional de Mar del Plata. Facultad de Ingeniería. Estadística Básica COMISIÓN 1. 1 Cuatrimestre 2016
Universidad Nacional de Mar del Plata Facultad de Ingeniería Estadística Básica COMISIÓN 1 1 Cuatrimestre 2016 s. La palabra Estadística procede del vocablo Estado, pues era función principal de los Gobiernos
Más detalles