GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS
|
|
- Sofia Valverde Cárdenas
- hace 6 años
- Vistas:
Transcripción
1 GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS La simulación de eventos se basa en la ocurrencia aleatoria de los mismos, por ello los números aleatorios y las variables aleatorias son de especial importancia en la aplicación de esta herramienta
2 VARIABLES ALEATORIAS PROCESO TIEMPO GENERADOR DE NUMEROS ALEATORIOS ENTREGA TIEMPO GENERADO PIDE TIEMPO DA DISTRIBUCION Y PARAMETROS GENERADOR DE VARIABLES ALEATORIAS PIDE UN NUMERO ALEATORIO ENTREGA NUMERO GENERADO
3 VARIABLES ALEATORIAS PROCESO TIEMPO=? GENERADOR DE NUMEROS ALEATORIOS TIEMPO=4.324 GENERADOR DE VARIABLES ALEATORIAS NORMAL CON MEDIA=4.3 Y DESVIACION=0.4 PIDE UN NUMERO ALEATORIO ENTREGA
4 GENERADOR DE NUMEROS ALEATORIOS Los números aleatorios son los que dan un comportamiento real al modelo. Es un proceso matemático-estadístico Existen varios algoritmos: Método del cuadrado medio Método congruencial lineal Método congruencial multiplicativo Todos los métodos se basan en una semilla En la generación se debe poner especial cuidado al período, que es el número de números que se pueden generar hasta que se repita la serie. El número aleatorio es un valor entre 0 y 1 y se distribuyen uniformemente.
5 METODO DEL CUADRADO MEDIO Es uno de los primeros métodos. Consiste en: 1. Escoger una semilla arbitraria 2. Elevar la semilla al cuadrado 3. Escoger los dígitos medios del cuadrado como número aleatorio 4. Elevar esos dígitos al cuadrado 5. Repetir 3 y 4 hasta generar los números deseados sin que se repita la cadena o serie.
6 METODO DEL CUADRADO MEDIO EJEMPLO: Generar 4 números aleatorios con la semilla R i : número aleatorio generado 1. Semilla= X 0 = X 02 = = X 1 = 2170 R 1 = X 1 2 = = X 2 = 7089 R 2 = X 2 2 = = X 3 = 2539 R 3 = X 3 2 = = X 4 = 4465 R 4 = Estos son los cuatro números aleatorios
7 GENERACION DE VARIABLES ALEATORIAS En Simulación se debe siempre muestrear de una distribución de probabilidad que representa la ocurrencia de los eventos. Estas distribuciones pueden ser teóricas o empíricas y ambas pueden ser continuas o discretas. Las distribuciones empíricas están representadas por distribuciones de frecuencias. En el caso de distribuciones teóricas existen varios métodos para generar las variables.
8 GENERACION DE VARIABLES ALEATORIAS Técnicas para generar variables aleatorias provenientes de una distribución teórica: Transformada inversa (usada para generar variables aleatorias distribuidas según Exponencial, Weibull y Triangular) Función acumulada (usada para generar variables aleatorias de distribuciones empíricas) Transformación directa (usada para generar variables normalmente distribuidas) Método de convolución (usado para generar variables aleatorias distribuidas según ERLANG, POISSON y GAMMA)
9 METODO DE LA TRANSFORMADA INVERSA PROCEDIMIENTO 1. Encontrar la función acumulada de la distribución respectiva. 2. Igualar esa función a R (número aleatorio uniformemente distribuido) sea F(x)=R 3. Resolver la anterior ecuación para x. 4. Establecer la función generadora EJEMPLO Encontrar la función generadora de la exponencial. 1. F(x) = 1 - e - x e - x = R 3. x = (-1/ ) ln(1-r) 4. x i = (-1/ ) ln(1-r i )
10 EJEMPLO DE GENERADOR DE VARIABLES EXPONENCIALES PROCESO TIEMPO=? GENERADOR DE NUMEROS ALEATORIOS x i = (-1/ )* ln(1-r i ) TIEMPO=1.91 MINS EXPONENCIAL MEDIA=4.5 MINS PIDE UN NUMERO ALEATORIO ENTREGA
11 METODO DE LA TRANSFORMADA INVERSA OTRAS FUNCIONES GENERADORAS Distribución uniforme x i = a +( b - a ) * R i Distribución Weibull x i = * [ -ln (1 - R i )] 1/ Distribución triangular R1 = ALEATORIO 1 R2 = ALEATORIO 2 SI (R1 < (B - A) / (C - A)) ENTONCES Triangular = A + (B - A) * R2 SINO Triangular = C - (C - B) * R2
12 DISTRIBUCION NORMAL PROCEDIMIENTO A. X 12 R i 6 * i 1 PROCEDIMIENTO B. 1. Generar R 1 y R 2 V i =2R i -1 para i=1,2 W=V 12 +V Si W>1 volver al Paso 1. Sino: Z 1 =V 1 *y Z 2 =V 2 *y X 1 =Z 1 * + X 2 =Z 2 * + y 2ln( w) w
13 EJEMPLO DE PROCEDIMIENTO A. Generar dos variables aleatorias para un tiempo de proceso cuya media es 5 y su desviación estándar es 0.3. S 1 12 i 1 R i S 2 12 i 1 R i X 1 =S 1 * + = 0.2*0.3+5= 5.24 X 2 =S 2 * + = -0.6*0.3+5= 4.82
14 EJEMPLO DE PROCEDIMIENTO B. Generar dos variables aleatorias para un tiempo de proceso cuya media es 5 y su desviación estándar es R 1 =0.6 y R 2 =0.3 V 1 =2(0.6) -1= 0.2 V 2 =2(0.3) -1=- 0.4 W= (-0.4) 2 = W<1 Z 1 =V 1 *y =0.2*4.012=0.8 Z 2 =V 2 *y=-0.4*4.012=-1.6 X 1 =Z 1 * + = 0.8*0.3+5= 5.24 X 2 =Z 2 * + = -1.6*0.3+5= 4.52 y 2ln( w) w 2ln(0.2)
15 EJEMPLO 2 DE PROCEDIMIENTO B. Generar 30 valores para un tiempo de proceso que se distribuye normalmente con media es 2.35 minutos y desviación estándar es 0.23 minutos. # R1 R2 V1 V2 W y Z1 Z2 X1 X (No sirve pues W>1)
16 DISTRIBUCIONES EMPIRICAS En este caso se trabaja con la frecuencia relativa acumulada y el punto medio que representa a la variable aleatoria. EJEMPLO: Para una distribución de probabilidad variable continua L i L s X k n k f k F k
17 DISTRIBUCIONES EMPIRICAS X k F k R(# aleatorio) Así, si por ejemplo, si se tiene un número aleatorio generado que da el valor de , entonces el valor de la variable aleatoria es el correspondiente a X k o sea 29.8.
18 EJEMPLO DE GENERACION DE VARIABLES ALEATORIAS A: Determine un intervalo de confianza del 95% para el tiempo de proceso de 40 partes cuya función densidad de probabilidad es: 32 f ( x) para x 3 ( x 4) B. Muestre los efectos en la media, desviación e intervalo que tiene el incremento en el tamaño de la muestra. 0
19 FUNCION ACUMULADA F(x) SOLUCION: A ) ( 16 4) ( ) ( 4 4) ( 32 ) ( ) ( 0 4) ( 32 ) ( R x x R x x u du u x F dx du x u dx x dx x f x F para x x x f
20 GENERACION DE LA VARIABLE ALEATORIA x 7 0,46-18,58 1,88-9,88 1,88 x 2 +8x+(16-16/R) # Aleatorio (16-16/R) x1 x2 x 1 0,51-15,11 1,58-9,58 1,58 2 0,86-2,54 0,31-8,31 0,31 3 0,96-0,73 0,09-8,09 0,09 4 0,88-2,09 0,25-8,25 0,25 5 0,38-25,96 2,48-10,48 2,48 6 0,33-32,55 2,97-10,97 2,97 8 0,75-5,25 0,61-8,61 0,61 9 0,23-52,36 4,27-12,27 4, ,81-3,66 0,43-8,43 0, ,88-2,12 0,26-8,26 0, ,28-41,49 3,58-11,58 3, ,32-34,39 3,10-11,10 3, ,75-5,47 0,63-8,63 0, ,76-5,05 0,59-8,59 0, ,43-21,29 2,11-10,11 2, ,43-21,33 2,11-10,11 2, ,55-13,09 1,39-9,39 1, ,18-72,89 5,43-13,43 5, ,81-3,81 0,45-8,45 0, ,17-77,77 5,68-13,68 5, ,96-0,67 0,08-8,08 0, ,35-30,23 2,80-10,80 2, ,34-31,42 2,89-10,89 2, ,87-2,39 0,29-8,29 0, ,99-0,16 0,02-8,02 0, ,25-48,55 4,03-12,03 4, ,52-14,57 1,53-9,53 1, ,92-1,30 0,16-8,16 0, ,65-8,73 0,97-8,97 0, ,76-4,99 0,58-8,58 0, ,31-35,61 3,18-11,18 3, ,62-9,63 1,06-9,06 1, ,94-1,02 0,13-8,13 0, ,77-4,87 0,57-8,57 0, ,89-1,98 0,24-8,24 0, ,55-13,24 1,41-9,41 1, ,38-26,42 2,51-10,51 2, ,39-25,54 2,44-10,44 2,44 PROMEDIO 1,67 DESVIACION 1,534
21 RESPUESTA A LA PARTE A. El intervalo de confianza del 95% para el tiempo de proceso de 40 partes es: P{ Li Ls} 0.95 Li x z Ls x z P{ ' ,96* n 40 ' ,96* n }
22 RESPUESTA A LA PARTE B. n t Z xbarra sigma LIC LSC 10 2,262 1,49 1,41 0,43 2, ,045 1,79 1,67 1,16 2, ,96 1,71 1,44 1,31 2, ,96 1,90 1,89 1,53 2, ,96 2,01 2,07 1,72 2, ,96 2,11 2,34 1,84 2, ,96 2,06 2,29 1,83 2, ,96 2,09 2,30 1,88 2, ,96 2,07 2,27 1,89 2, ,96 2,01 2,19 1,84 2, ,96 1,95 2,14 1,80 2, ,96 1,93 2,11 1,79 2, ,96 1,92 2,08 1,79 2,05
23 PROMEDIO GRAFICOS DE ESTABILIDAD 2,20 2,10 2,00 1,90 1,80 1,70 1,60 1,50 1,40 GRAFICO DE PROMEDIOS DE LOS PROMEDIOS TAMAÑO DE MUESTRA
24 DESVIACION ESTANDAR GRAFICOS DE ESTABILIDAD GRAFICO DE DESVIACIONES ESTANDAR DE LAS DESVIACIONES ESTANDAR 2,40 2,20 2,00 1,80 1,60 1, TAMAÑO DE MUESTRA
25 LIMITES DE CONFIANZA GRAFICOS DE ESTABILIDAD GRAFICO DE INTERVALOS DE CONFIANZA DE LOS INTERVALOS DE CONFIANZA 2,55 2,30 2,05 1,80 1,55 1,30 1,05 0,80 0,55 0, TAMAÑO DE LA MUESTRA
2.2. Fundamentos racionales de la Simulación en computadoras
UNIVERSIDAD TECNOLÓGICA NACIONAL FACULTAD REGIONAL TUCUMÁN DEPARTAMENTO: INGENIERÍA EN SISTEMAS DE INFORMACIÓN CARRERA: INGENIERÍA EN SISTEMAS DE INFORMACIÓN ÁREA: MODELOS ASIGNATURA: SIMULACIÓN NIVEL:
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 detallesINTRODUCCION A LA SIMULACION DE MODELOS. Simulación es la descripción de un sistema a través de modelos que se pueden aplicar a varias disciplinas.
Tema N 1 Definiciones INTRODUCCION A LA SIMULACION DE MODELOS Simulación es la descripción de un sistema a través de modelos que se pueden aplicar a varias disciplinas. La simulación esencialmente es una
Más detallesGeneración de números aleatorios con distribución uniforme
Generadores de Números Aleatorios 1 Existen en la actualidad innumerables métodos para generar números aleatorios En la literatura disponible se pueden encontrar gran cantidad de algoritmos. Generación
Más detallesCAPÍTULO 2 NÚMEROS PSEUDOALEATORIOS
CAPÍTULO 2 NÚMEROS PSEUDOALEATORIOS SOFTWARE PARA LA GESTIÓN DE PRODUCCIÓN Y OPERACIONES 10MO IPO LOS NÚMEROS PSEUDOALEATORIOS Para poder realizar una simulación que incluya variabilidad dentro de sus
Más detallesDefinición de variable aleatoria
Variables aleatorias Instituto Tecnológico Superior de Tepeaca Agosto-Diciembre 2015 Ingeniería en Sistemas Computacionales M.C. Ana Cristina Palacios García Definición de variable aleatoria Las variables
Más detallesDistribución Exponencial
Distribución Exponencial Hay dos casos especiales importantes de la distribución gamma, que resultan de restricciones particulares sobre los parámetros α y β. El primero es cuando se tiene α = 1, entonces
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 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 detallesVariables Aleatorias y Principios de Simulación.
Variables Aleatorias y Principios de Simulación http://humberto-r-alvarez-a.webs.com Conceptos de probabilidad La Teoría de Probabilidad trata fenómenos que pueden ser modelados por experimentos cuyos
Más detallesLaboratorio 2 Probabilidad y Estadística con MATLAB GENERACIÓN DE VARIABLES ALEATORIAS Y SIMULACIÓN
Laboratorio 2 Probabilidad y Estadística con MATLAB GENERACIÓN DE VARIABLES ALEATORIAS Y SIMULACIÓN Introducción Muchos de los métodos de estadística computacional requieren la capacidad de generar variables
Más detallesModelos de Simulación en Excel
Modelos de Simulación en Excel DIANA COBOS DEL ANGEL El tiempo que transcurre entre la llegada de ciertas piezas a una estación de inspección sigue una distribución exponencial con media de 5 minutos/pieza.
Más detallesMÉTODO DE MONTE CARLO MÉTODO DE BOOTSTRAP HEINZ ROQUE
Programa de Capacitación y Actualización de las Mejores Prácticas en Materia de Asociaciones Público Privadas MÉTODO DE MONTE CARLO MÉTODO DE BOOTSTRAP HEINZ ROQUE MÉXICO DF, MÉXICO, OCTUBRE, 2013 ÍNDICE
Más detallesSimulación SIMULACIÓN 1
Simulación 1. Ejemplo e introducción a la simulación 2. Ventajas e inconvenientes de la simulación 3. Tipos de sistemas y simulaciones 4. Elementos de la simulación por eventos discretos 5. Simulación
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 detallesGeneración de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Georgina Flesia FaMAF 17 de abril, 2012 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:
Más detallesAgenda 1 Variable aleatoria Continua Valor esperado de una variable aleatoria continua. Varianza. 2
Curso de nivelación Estadística y Matemática Cuarta clase: Distribuciones de probablidad continuas Programa Técnico en Riesgo, 2016 Agenda 1 Variable aleatoria Continua Valor esperado de una variable aleatoria
Más detallesSimulación. pseudoalealeatorios
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
Más detallesEXPOSICIÓN UNIDAD II
SIMULACIÓN EQUIPO: 4 2.1 MÉTODOS DE GENERACIÓN DE NÚMEROS PSEUDOALEATORIOS 2.2 PRUEBAS ESTADÍSTICAS DE ALEATORIEDAD CABRERA HERNÁNDEZ TERESA ELIZABETH 1 DE MARZO DEL 2011 2.1 GENERACIÓN DE NÚMEROS PSEUDOALEATORIOS
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
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 detallesESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.
ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. 1 PROBABILIDAD Probabilidad de un evento es la posibilidad relativa de que este ocurra al realizar el experimento Es la frecuencia de que algo ocurra dividido
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Modelos de Simulación Guía práctica #4
UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Modelos de Simulación Guía práctica #4 Prof.: MSc. Julio Rito Vargas A. Febrero 2013 Objetivos: Aplicar las técnicas estudiadas para desarrollar
Más detallesTH. DE CHEBYSHEV DISTRIB. NORMAL.
f ( x) 1 2 2 ( x) e 2 2 TH. DE CHEBYSHEV DISTRIB. NORMAL El Desvío Estándar y el Teorema de Chebyshev Es conocida en el área de la probabilidad y estadística, la desigualdad de Chebyshev, matemático Ruso
Más detallesSimulación III. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación III Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Comentario: generación de v.a. exponenciales Generación de v.a. normales Método de convolución:
Más detallesDistribuciones de probabilidad Discretas
Distribuciones de probabilidad Discretas Distribución Uniforme Discreta Definición Una variable aleatoria X, tiene una distribución uniforme discreta, si cada uno de los valores x 1, x 2,.. x n, tiene
Más detallesUniversidad Católica de Valparaíso Facultad de Ingeniería Escuela de Ingeniería de Transporte
1. NÚMEROS ALEATORIOS 1.0 INTRODUCCIÓN El papel que desempeñan las variables aleatorias uniformemente distribuidas en la generación de variables aleatorias tomadas de otras distribuciones de probabilidad,
Más detallesESTADÍSTICA I. A continuación se presentan los Modelos Probabilísticos Continuos más importantes.
1 ESTADÍSTICA I Capítulo 6: MODELOS PROBABILÍSTICOS CONTINUOS. Contenido: Distribución Uniforme Continua. Distribución Triangular. Distribución Normal. Distribuciones Gamma, Exponencial, Erlang y Chi Cuadrado.
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 detallesTema 7. Variables Aleatorias Continuas
Presentación y Objetivos. Tema 7. Variables Aleatorias Continuas En este tema se propone el estudio de las variables aleatorias continuas más importantes, desde la más simple incrementando el grado de
Más detallesAnálisis de Datos y Probabilidad Grado 9
Análisis de Datos y Probabilidad Grado 9 Estimando el área de un círculo usando simulación 1 Introducción Suponga que tengo un círculo de radio 1 y centro en (0,0) inscrito en un cuadrado cuyos vértices
Más detallesAnálisis de Datos en Física de Partículas
Análisis de Datos en Física de Partículas Sección de Posgrado Facultad de Ciencias Universidad Nacional de Ingeniería C. Javier Solano jsolano@uni.edu.pe http://compinformatidf.wordpress.com/ Página del
Más detallesNÚMEROS ALEATORIOS Y PSEUDOALEATORIOS
INSTITUTO TECNOLÓGICO DE CIUDAD VICTORIA MODALIDAD A DISTANCIA UNIDAD II SIMULACIÓN NÚMEROS ALEATORIOS Y PSEUDOALEATORIOS 2.1 Números Aleatorios: definición, propiedades y generadores de tablas En todos
Más detallesCuáles son las características aleatorias de la nueva variable?
Apuntes de Estadística II. Ingeniería Industrial. UCAB. Marzo 203 CLASES DE ESTADÍSTICA II CLASE 5) UNA TRANSFORMACIÓN DE DOS VARIABLES. Sea Z = g(, ) una función de las variables aleatorias e, tales que
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UNIDAD PROFESIONAL INTERDISCIPLINARIA DE INGENIERÍA Y CIENSAS SOCIALES Y ADMINISTRATIVAS. CARRERA: INGENIERÍA EN INFORMÁTICA. COORDINACIÓN: INVESTIGACIÓN DE OPERACIONES. DEPARTAMENTO: CIENCIAS
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 4
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 4 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesDistribución de Probabilidad
Distribución de Probabilidad Variables continuas Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Distribuciones de probabilidad continuas
Más detallesModelos Estocásticos. Simulación de fenómenos estocásticos. Simulación de fenómenos estocásticos. Definición. Por qué fenómenos estocásticos?
Definición Modelos Estocásticos Breve introducción Se denomina estocástico (del latín stochasticus, "hábil en hacer conjeturas") a un sistema cuyo comportamiento es intrínsecamente no determinístico. El
Más detallesUNIVERSIDAD DE MANAGUA
UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Guía práctica #2 Generación de Números Aleatorios - Variables Aleatorias para un modelo de Simulación y Pruebas estadísticas para verificar
Más detallesEstadística y Probabilidad
La universidad Católica de Loja Estadística y Probabilidad ESCUELA DE ELECTRÓNICA Y TELECOMUNICACIONES Paralelo C Nombre: Milner Estalin Cumbicus Jiménez. Docente a Cargo: Ing. Patricio Puchaicela. Ensayo
Más detallesVariables aleatorias continuas y Teorema Central del Limite
Variables aleatorias continuas y Teorema Central del Limite FaMAF 17 de marzo, 2015 Variables aleatorias continuas Definición Una variable aleatoria X se dice (absolutamente continua) si existe f : R R
Más detallesMETODOS ESTADÍSTICOS
METODOS ESTADÍSTICOS Introducción. Uno de los objetivos de la asignatura de Hidrología, es mostrar a los alumnos, las herramientas de cálculo utilizadas en Hidrología Aplicada para diseño de Obras Hidráulicas.
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 detalles5. TEOREMA FUNDAMENTAL: Formulación y Demostración. Jorge Eduardo Ortiz Triviño
5. TEOREMA FUNDAMENTAL: Formulación y Demostración Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co/jeortizt/ 1 CONTENIDO 1. INTRODUCCIÓN 2. VARIABLES ALEATORIAS 3. TEOREMA
Más detallesPROBABILIDAD Y ESTADÍSTICA TEMARIO
PROBABILIDAD Y ESTADÍSTICA TEMARIO 0. INTRODUCCIÓN AL CURSO 0.1 El curso en contexto Qué es probabilidad? Qué estudia la probabilidad? Qué es estadística? Qué estudia la estadística? Qué es ingeniería?
Más detallesUNIVERSIDAD DE LOS LLANOS Facultad de Ciencias Básicas e Ingeniería Programa Ingeniería de Sistemas
CURSO: SIMULACIÓN 1 SEMESTRE: IX 2 CODIGO: 602904 3 COMPONENTE: 4 CICLO: 5 AREA: Profesional 6 FECHA DE APROBACIÓN: 7 NARURALEZA: Teórico-Práctica 8 CARÁCTER: Obligatorio 9 CREDITOS (RELACIÓN): 4 (1-1)
Más detallesINCERTIDUMBRE DE LA MEDIDA
INCERTIDUMBRE DE LA MEDIDA 22 de septiembre de 2017 1. Resultado de la mediciòn 2. Definiciones 3. Por qué se debe estimar la incertidumbre 3. Modelo matemático 4. Valor mejor estimado 5. Dos métodos de
Más detallesProbabilidad II Algunas distribuciones notables. Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid
Probabilidad II Algunas distribuciones notables Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid La distribución normal f (x; µ, σ) = 1 σ 2π e 1 2( x µ σ ) 2, x R, µ R, σ > 0 E(X
Más detallesVARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Definición de una V.A.C. Definición de una V.A.C.
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 detallesPROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA
UNIDAD 1 PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA Variables aleatorias continuas = función de densidad de probabilidad 1 Variables aleatorias continuas = función
Más detallesMétodos de muestreo de variables con distribuciones continuas Dr. Ing. JORGE E. NÚÑEZ MC LEOD
Métodos de muestreo de variables con distribuciones continuas Dr. Ing. JORGE E. NÚÑEZ MC LEOD 1. MÉTODO DE LA TRANSFORMADA INVERSA (Simulación Montecarlo) Se desean obtener muestras aleatorias de una variable
Más detallesCentro Universitario de Tonalá
Presentación Este curso de estadística y evaluación de datos se encuentra diseñado para los estudiantes del Doctorado en Agua y Energía del Centro Universitario de Tonalá. Competencias genéricas de la
Más detallesEstadística /Química 2004
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLAN LICENCIATURA EN: QUÍMICA. NOMBRE DE LA ASIGNATURA: ESTADÍSTICA. ÓRGANO INTERNO QUE COORDINA EL PROGRAMA DE LA ASIGNATURA:
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 detallesLENGUAJE DE SIMULACION Y SIMULADORES
LENGUAJE DE SIMULACION Y SIMULADORES En un principio, los programas de simulación se elaboraban utilizando algún lenguaje de propósito general, como ASSEMBLER, FORTRAN, ALGOL o PL/I. A partir de la década
Más detallesSimulación. Carrera: INE 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 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 detallesSimulación 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 Contenido 1 Introducción 2 3 4 ?Porqué números aleatorios? Uso
Más detallesMANTENIMIENTO INDUSTRIAL.
REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD ALONSO DE OJEDA FACULTAD DE INGENIERÍA ESCUELA DE INDUSTRIAL MANTENIMIENTO INDUSTRIAL. Realizado por: Ing. Danmelys Perozo UNIDAD II: ESTADÍSTICAS DE FALLAS
Más detallesConsejo de Postgrado de Ingeniería Industrial. IT Culiacán. Dr. José Fernando Hernández Silva Dra. Carmen Guadalupe López Varela
Nombre de la Asignatura: Simulación Línea de Trabajo: Asignatura Optativa (Optimización) Docencia Trabajo de Investigación Supervisado - Trabajo Profesional Supervisado - Horas totales Créditos 48 20 100
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 detallesUnidad Académica de Ingeniería Eléctrica. Programa del curso: Probabilidad y estadística Clave:
Universidad Autónoma de Zacatecas Unidad Académica de Ingeniería Eléctrica Programa del curso: Probabilidad y estadística Clave: Carácter Semestre recomendado Obligatoria 3º Carreras: IE, ICE, IC Sesiones
Más detallesVARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS El zoo binomial: las probabilidades en la distribución binomial. Tutorial 5, sección 2 X = número de éxitos al repetir n veces un experimento con probabilidaf de éxito p
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 detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesFunciones de Variables Aleatorias. UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Funciones de Variables Aleatorias UCR ECCI CI-135 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción En los métodos estadísticos estándar, el resultado de la prueba
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 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 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 detallesCálculo de Incertidumbre por el Método de Monte Carlo en Calibración de Multímetros Digitales
Cálculo de Incertidumbre por el Método de Monte Carlo en Calibración de Multímetros Digitales Comparación entre el (Método de Monte Carlo ( MMC) y la Guía para la estimación de la incertidumbre de medición
Más detallesGeneración de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Patricia Kisbye FaMAF 15 de abril, 2010 Generación de variables aleatorias continuas Decimos que X es una v.a. continua si
Más detallesVariables aleatorias continuas, TCL y Esperanza Condicional
Variables aleatorias continuas, TCL y Esperanza Condicional FaMAF 17 de marzo, 2011 1 / 37 Poisson P(λ) Número de éxitos en una cantidad grande de ensayos independientes Rango: {0, 1, 2,... } = {0} N Función
Más detallesTema 3. Tema 3 La Distribución Normal y los Puntajes Estándar. Profa. María Fátima Dos Santos
Tema 3 Tema 3 La Distribución Normal y los Puntajes Estándar Profa. María Fátima Dos Santos 1 TEMARIO Concepto de distribución. Algunas distribuciones. Distribución normal. Características Distribución
Más detallesSe puede repetir la misma secuencia de números.
SIMULACION El término simulación se refiere a la construcción de una representación simplificada de un proceso o un sistema físico con el fin de facilitar su análisis, se caracteriza por el hecho de no
Más detalles= 134, 5 Tercer cuartil: Q 3 = Pueden considerarse normales. =2 P 10 = 118 horas. f(x) =
SOLUCIONES AL EXAMEN DE MÉTODOS ESTADÍSTICOS 2 0 ITIE. 19 /01/2009 1. X = 132, 25 Mediana: M e = 134 + 135 2 = 134, 5 Tercer cuartil: Q 3 = 140 + 141 2 = 140, 5 11 288 12 11267 13 04566 14 0127 15 12 Pueden
Más detallesMetodología de Simulación por Computadora
SIMULACIÓN Metodología de Simulación por Computadora Clasificación del sistema 1. Sistemas de eventos discretos. Los estados del sistema cambian sólo en ciertos puntos del tiempo. Por ejemplo, si se observa
Más detallesPROBABILIDADES Trabajo Práctico 5. 0 si x<0. x3 si 0 x<2 1 si x 2
PROBABILIDADES Trabajo Práctico 5 1. Sea X una variable aleatoria con función de distribución acumulada a) Calcular, usando F X, P (X 1) P (0.5 X 1) P (X >1.5) b) Hallar la mediana de esta distribución.
Más detallesFUNCIONES DE GENERACIÓN DE NÚMEROS ALEATORIOS NÚMEROS ALEATORIOS UNIFORMES
FUNCIONES DE GENERACIÓN DE NÚMEROS ALEATORIOS Hay muchos problemas de ingeniería que requieren números aleatorios para obtener una solución. En algunos casos, esos números sirven para crear una simulación
Más detallesMétodo Polar para generación de variables normales Generación de eventos en Procesos de Poisson
Método Polar para generación de variables normales Generación de eventos en Procesos de Poisson Georgina Flesia FaMAF 25 de abril, 2013 Método polar Con este método se generan dos variables normales independientes.
Más detallesIntervalos de Confianza
Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de
Más detallesFORMULARIO DE DISTRIBUCIONES DE PROBABILIDAD
FORMULARIO DE DISTRIBUCIONES DE PROBABILIDAD Jorge M. Galbiati pág. DISTRIBUCION BINOMIAL 2 DISTRIBUCION POISSON 4 DISTRIBUCION HIPERGEOMETRICA 5 DISTRIBUCION GEOMETRICA 7 DISTRIBUCION NORMAL 8 DISTRIBUCION
Más detallesQué hacemos cuando la distribución no es normal? Qué significa ser normal? Qué significa ser normal? 1er. Simposio Metodología Seis Sigma
er. imposio Metodología eis igma Resumen Qué hacemos cuando la distribución no es normal? Qué significa ser normal? Ejemplos de situaciones normales Ejemplos de situaciones no normales Resumen Implicaciones
Más detallesSimulación a Eventos Discretos. Clase 5: Muestreo de variables aleatorias
Simulación a Eventos Discretos Clase 5: Muestreo de variables aleatorias Muestreos Los problemas que tratamos son estocásticos. No podemos predecir la conducta de los elementos del sistema, pero sí podemos
Más detallesTEMARIO PRUEBA DE SÍNTESIS MATEMÁTICA NIVEL SÉPTIMO BÁSICO
NIVEL SÉPTIMO BÁSICO Operatoria números naturales Operatoria números decimales Clasificación de números decimales Transformación de decimal a fracción Orden de números enteros Ubicación de números enteros
Más detallesEstadística. Tema 2. Variables Aleatorias Funciones de distribución y probabilidad Ejemplos distribuciones discretas y continuas
Estadística Tema 2 Variables Aleatorias 21 Funciones de distribución y probabilidad 22 Ejemplos distribuciones discretas y continuas 23 Distribuciones conjuntas y marginales 24 Ejemplos distribuciones
Más detallesmatemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4
PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área
Más detallesContenido. 2 Probabilidad 9. Prefacio. 1 Introducci6n a la estadfstica y al an;!llisis de datos
Contenido Prefacio ix 1 Introducci6n a la estadfstica y al an;!llisis de datos 1 1.1 1.2 1.3 1.4 1.5 1.6 Repaso 1 EI papel de la probabilidad 2 Medidas de posici6n: media de una muestra 4 Medidas de variabilidad
Más detallesÍndice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables
Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población
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 detallesModelos Básicos de Distribuciones Discretas y Continuas
Modelos de Distribuciones Discretas y Continuas 1/27 Modelos Básicos de Distribuciones Discretas y Continuas Departamento de Estadística e Investigación Operativa Universidad de Sevilla Contenidos Modelos
Más detallesTema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Más detallesNombre de la materia. Departamento. Academia
Probabilidad Ciencias Aplicadas de la Información Ciencias Básicas Nombre de la materia Departamento Academia Clave Horas-teoría Horas-práctica Horas-AI Total-horas Créditos I4862 60 20-80 9 Nivel Carrera
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesTécnicas de Muestreo I
1 / 20 Técnicas de Muestreo I Patricia Isabel Romero Mares Departamento de Probabilidad y Estadística IIMAS UNAM agosto 2017 Números aleatorios 2 / 20 3 / 20 Qué son los números aleatorios? Es una secuencia
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 detallesEstadística. Soluciones ejercicios: Variables aleatorias. Versión 8. Emilio Letón
Estadística Soluciones ejercicios: Variables aleatorias Versión 8 Emilio Letón. Nivel. Enunciar las dos propiedades que debe cumplir p) para ser función de probabilidad. Las dos propiedades para ser función
Más detallesEsperanza Condicional
Esperanza Condicional Podemos obtener la esperanza de una distribución condicional de la misma manera que para el caso unidimensional: 129 Caso 2 v.a. discretas X e Y: Caso 2 v.a. continuas X e Y: Percentiles
Más detalles