GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS
|
|
- Antonio Quintana Vera
- hace 5 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 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. METODO DEL CUADRADO MEDIO Es uno de los primeros métodos. Consiste en: 1. Escoger una semilla arbitraria. 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. METODO DEL CUADRADO MEDIO EJEMPLO: Generar 4 números aleatorios con la semilla R i : número aleatorio generado 1. Semilla= = X 0 = X 0 = 5497 = X 1 = 170 R 1 = X 1 = 170 = X = 7089 R = X = 7089 = Estos son los 3. X 3 = 539 R 3 = cuatro números 4. X 3 = 539 = aleatorios 3. X 4 = 4465 R 4 = Page1
2 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. 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) METODO DE LA TRANSFORMADA INVERSA PROCEDIMIENTO 1. Encontrar la función acumulada de la distribución respectiva.. 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 -βx. 1 - e -βx = R 3.. x = (-1/( 1/β ) ln(1-r) 4.. x i = (-1/( 1/β ) ln(1-r i ) METODO DE LA TRANSFORMADA INVERSA OTRAS FUNCIONES GENERADORAS Distribución uniforme x i = a +( b - a ) * R i Distribución Weibull x i = α * [ -ln (1 - R i )] 1/β Distribución triangular R1 = ALEATORIO 1 R = ALEATORIO SI (R1 < (B - A) / (C - A)) ENTONCES Triangular = A + (B - A) * R SINO Triangular = C - (C - B) * R Page
3 DISTRIBUCION NORMAL PROCEDIMIENTO A. PROCEDIMIENTO B. 1. Generar R 1 y R V i =R i -11 para i=1, W=V 1 +V. Si W>1 volver al Paso 1. Sino: Z 1 =V 1 *y Z =V *y X 1 =Z 1 *σ+ µ X 1 =Z *σ+ µ 1 X = i= 1 R i 6 * σ + µ y = ln( w) w EJEMPLO DE PROCEDIMIENTO A. Generar dos variables aleatorias para un tiempo de proceso cuya media es 5 y su desviación estándar es S1 = Ri 6 = 6. 6 = 0. i= 1 S = Ri 6 = = 0.6 X 1 =S 1 *σ+ µ = 0.*0.3+5= 5.4 X =S *σ+ µ = -0.6*0.3+5= i= 1 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 =0.3 V 1 =(0.6) -1= 0. V =(0.3) -1= 1=- 0.4 W=0. +(-0.4) =0.. W<1 ln( w) y = = w Z 1 =V 1 *y =4.01*0.=0.8 Z =V *y=4.01*-0.4= 0.4=-1.6 X 1 =Z 1 *σ+ µ = 0.8*0.3+5= 5.4 X =Z *σ+ µ = -1.6*0.3+5= 4.5 ln(0.) = 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 Page3
4 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 9.8. 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: 3 f ( x) = para x > 0 3 B. Muestre los efectos en la media, desviación e intervalo que tiene el incremento en el tamaño de la muestra. FUNCION ACUMULADA F(x) SOLUCION: A. 3 f ( x) = para x > F( x) = f ( x) dx = dx u = x + 4 du = dx F( x) = 3 u du = = u 0 16 = R 16 x + 8x + 16 = 0 R GENERACION DE LA VARIABLE ALEATORIA x x +8x+(16-16/R) x1 x # A leatorio (16-16/R ) x 0,51-15,11 1,58-9,58 1,58 1 0,86 -,54 0,31-8,31 0,31 3 0,96-0,73 0,09-8,09 0,09 4 0,88 -,09 0,5-8,5 0,5 5 0,38-5,96,48-10,48,48 6 0,33-3,55,97-10,97,97 7 0,46-18,58 1,88-9,88 1,88 8 0,75-5,5 0,61-8,61 0,61 9 0,3-5,36 4,7-1,7 4,7 10 0,81-3,66 0,43-8,43 0, ,88 -,1 0,6-8,6 0,6 1 0,8-41,49 3,58-11,58 3, ,3-34,39 3,10-11,10 3, ,75-5,47 0,63-8,63 0, ,76-5,05 0,59-8,59 0, ,43-1,9,11-10,11, ,43-1,33,11-10,11, ,55-13,09 1,39-9,39 1,39 0 0,18-7,89 5,43-13,43 5,43 1 0,81-3,81 0,45-8,45 0,45 0,17-77,77 5,68-13,68 5,68 3 0,96-0,67 0,08-8,08 0,08 4 0,35-30,3,80-10,80,80 5 0,34-31,4,89-10,89,89 6 0,87 -,39 0,9-8,9 0,9 7 0,99-0,16 0,0-8,0 0,0 8 0,5-48,55 4,03-1,03 4,03 9 0,5-14,57 1,53-9,53 1, ,9-1,30 0,16-8,16 0, ,65-8,73 0,97-8,97 0,97 3 0,76-4,99 0,58-8,58 0, ,31-35,61 3,18-11,18 3, ,6-9,63 1,06-9,06 1, ,94-1,0 0,13-8,13 0, ,77-4,87 0,57-8,57 0, ,89-1,98 0,4-8,4 0,4 38 0,55-13,4 1,41-9,41 1, ,38-6,4,51-10,51, ,39-5,54,44-10,44,44 PROMEDIO 1,67 DESVIACION 1,534 Page4
5 RESPUESTA A LA PARTE A. RESPUESTA A LA PARTE B. El intervalo de confianza del 95% para el tiempo de proceso de 40 partes es: P{ Li µ Ls} = 0.95 σ ' Li = x z0.05 = ,96 * = 1.8 n 40 σ ' Ls = x + z0.05 = ,96 * =.058 n 40 P{1.8 µ.058} = 0.95 n t Z xbarra sigma LIC LSC 10,6 1,49 1,41 0,43,55 30,045 1,79 1,67 1,16, ,96 1,71 1,44 1,31, ,96 1,90 1,89 1,53,7 00 1,96,01,07 1,7, ,96,11,34 1,84, ,96,06,9 1,83, ,96,09,30 1,88, ,96,07,7 1,89, ,96,01,19 1,84, ,96 1,95,14 1,80, ,96 1,93,11 1,79, ,96 1,9,08 1,79,05 GRAFICOS DE ESTABILIDAD GRAFICOS DE ESTABILIDAD PROMEDIO DE LOS PROMEDIOS,0,10,00 1,90 1,80 1,70 1,60 1,50 1,40 GRAFICO DE PROMEDIOS TAMAÑO DE MUESTRA DE LAS DESVIACIONES ESTANDAR DESVIACION ESTANDAR,40,0,00 1,80 1,60 GRAFICO DE DESVIACIONES ESTANDAR 1, TAMAÑO DE MUESTRA Page5
6 GRAFICOS DE ESTABILIDAD DE LOS INTERVALOS DE CONFIANZA GRAFICO DE INTERVALOS DE CONFIANZA LIMITES DE CONFIANZA,55,30,05 1,80 1,55 1,30 1,05 0,80 0,55 0, TAMAÑO DE LA MUESTRA Page6
GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS
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
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 detalles2.2. 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 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 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 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 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 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 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 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 detallesINGENIERO EN COMPUTACIÓN DISTRIBUCIONES DE PROBABILIDAD CONTINUA ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN DISTRIBUCIONES DE PROBABILIDAD CONTINUA ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017
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 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 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 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 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 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 detallesIntroducción al Diseño de Experimentos.
Introducción al Diseño de Experimentos www.academia.utp.ac.pa/humberto-alvarez Introducción Una población o universo es una colección o totalidad de posibles individuos, especímenes, objetos o medidas
Más detallesTEMA 1 INTRODUCCIÓN AL MODELADO Y LA SIMULACIÓN
TEMA 1 INTRODUCCIÓN AL MODELADO Y LA SIMULACIÓN 1.1. Introducción 1.2. Conceptos fundamentales 1.3. Modelado y simulación de tiempo discreto 1.4. Modelado y simulación de eventos discretos 1.5. Pasos en
Más detallesTransformaciones y esperanza
Capítulo 3 Transformaciones y esperanza 3.1. Introducción Por lo general estamos en condiciones de modelar un fenómeno en términos de una variable aleatoria X cuya función de distribución acumulada es
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 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 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 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 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 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 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 detallesUNIDAD 4: DISTRIBUCIÓN DE PROBABILIDAD
UNIDAD 4: DISTRIBUCIÓN DE PROBABILIDAD La Distribución de Probabilidad (DP) es la relación que se da entre los diferentes eventos de un espacio muestral y sus respectivas probabilidades de ocurrencia.
Más detallesESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS DEPARTAMENTO DE MATEMÁTICAS TEMA 1 (20 puntos): RUBRICA La magnitud de temblores registrados en una región de América
Más detallesSimulación. La mayoría de los procesos de simulación tiene la misma estructura básica:
Simulación La mayoría de los procesos de simulación tiene la misma estructura básica: 1 Indentificar una variable de interés y escribir un programa para simular dichos valores Generar una muestra independiente
Más detallesTema 6: Modelos de probabilidad.
Estadística 60 Tema 6: Modelos de probabilidad. 6.1 Modelos discretos. (a) Distribución uniforme discreta: La variable aleatoria X tiene una distribución uniforme discreta de parámetro n,que denoteramos
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 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 detallesSIMULACION SCD NUMEROS PSEUDO ALEATORIOS. los números pseudo aleatorios
SIMULACION SCD- 1022 1.- NUMEROS PSEUDO ALEATORIOS los números pseudo aleatorios para poder realizar una simulación que incluya variabilidad dentro de sus eventos, es preciso generar una serie de números
Más detallesModelado de la aleatoriedad: Distribuciones
Modelado de la aleatoriedad: Distribuciones Begoña Vitoriano Villanueva Bvitoriano@mat.ucm.es Facultad de CC. Matemáticas Universidad Complutense de Madrid I. Distribuciones Discretas Bernoulli (p) Aplicaciones:
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 detallesPROBABILIDAD Y ESTADÍSTICA ININ4010 Prof. DAVID GONZÁLEZ BARRETO SOLUCIÓN ASIGNACIÓN 6
PROBABILIDAD Y ESTADÍSTICA ININ4 Prof. DAVID GONZÁLEZ BARRETO SOLUCIÓN ASIGNACIÓN 6. Con base en probabilidades de la distribución normal a, 2 y 3 desviaciones, determine para una variable con μ = 5 y
Más detallesUN TAMAÑO DE MUESTRA PRELIMINAR EN LA ESTIMACION DE LA MEDIA, EN POBLACIONES CON DISTRIBUCIONES UNIFORMES Y TRIANGULARES
Revista Colombiana de Estadística Volumen 24 (2001) N o 1, páginas 27 a 32 UN TAMAÑO DE MUESTRA PRELIMINAR EN LA ESTIMACION DE LA MEDIA, EN POBLACIONES CON DISTRIBUCIONES UNIFORMES Y TRIANGULARES CARLOS
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 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 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 detallesAlgunas distribuciones teóricas continuas
Algunas distribuciones teóricas continuas Dr. Pastore, Juan Ignacio Profesor Adjunto. Algunas Distribuciones Estadísticas Teóricas Distribución Continuas: a) Distribución Uniforme b) Distribución de Exponencial
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 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 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 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 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 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 detallesDistribuciones de probabilidad II
II Facultad de Estudios Superiores Acatlán Licenciatura en Economía 20 de abril 2017 José A. Huitrón Mendoza Distribuciones de probabilidad de Poisson Enmarca el estudio de una variable aleatoria discreta
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 detallesGeneración de Variables Aleatorias
Generación de Variables Aleatorias A continuación se exponen distintos métodos para generar algunas de las distribuciones más utilizadas. Método de la distribución inversa Teniendo una función de densidad
Más detallesProbabilidad para una V.A. Continua. P( a X b) = f ( x)
Tema 4: Variables Aleatorias Contínuas Prof. Heriberto Figueroa S. Capítulo 4 Variables Aleatorias Continuas y sus Distribuciones de Probabilidad 4.1. Variables Aleatorias Continuas Una variable aleatoria
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 detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA DE TRABAJO 3 Profesor: Hugo S. Salinas. Primer Semestre 2010 1. Sea X 1,..., X n una muestra aleatoria
Más detallesSelección de distribuciones de probabilidad
Selección de distribuciones de probabilidad Georgina Flesia FaMAF 3 de mayo, 2012 Análisis estadístico de datos simulados Los sistemas reales tienen fuentes de aleatoriedad: Tipo de sistema Fabricación
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 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 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 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 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 detallesPRUEBAS DE BONDAD DE AJUSTE
PRUEBAS DE BONDAD DE AJUSTE Pruebas de bondad de ajuste xi cuadrada y Kolmogorov-Smirnov Facultad de Ciencias Químicas e Ingeniería, UAEM Simulación de Procesos Contenido Prueba de bondad de ajuste χ2...
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 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 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 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 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 detallesAPÉNDICE A ESCUELA SUPERIOR POLITECNICA DEL LITORAL INSTITUTO DE CIENCIAS MATEMATICAS INGENIERIA EN ESTADISTICA E INFORMATICA
APÉNDICE A ESCUELA SUPERIOR POLITECNICA DEL LITORAL INSTITUTO DE CIENCIAS MATEMATICAS INGENIERIA EN ESTADISTICA E INFORMATICA Nivel de Conocimientos en Estadística de los estudiantes de Ingeniería de la
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 detallesEstadística Aplicada
Estadística Aplicada Distribuciones de Probabilidad Variables aleatorias Toman un valor numérico para cada resultado de un espacio muestral Discretas. Sus valores posibles constituyen un conjunto discreto.
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 detallesSelección de distribuciones de probabilidad
Selección de distribuciones de probabilidad Patricia Kisbye FaMAF 6 de mayo, 2010 Análisis estadístico de datos simulados Los sistemas reales tienen fuentes de aleatoriedad: Tipo de sistema Fabricación
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 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 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 detallesModelos para variables aleatorias continuas en R
Modelos para variables aleatorias continuas en R 1 Distribución continua uniforme Ejercicio 1.1 Represente gráficamente la función de densidad de probabilidad, f(x), y la función de distribución acumulada,
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 detallesMétodo de Box Muller. Método Polar Generación de eventos en Procesos de Poisson. Método de Box-Muller. Métodos de generación de v. a.
Método de Box Muller Método Polar Generación de eventos en Procesos de Poisson Si X e Y son normales estándar indepientes, entonces R 2 = X 2 + Y 2, tan(θ) = Y X determinan variables R 2 y Θ indepientes.
Más detallesPart I. Momentos de una variable aleatoria. Esperanza y varianza. Modelos de Probabilidad. Mario Francisco. Esperanza de una variable aleatoria
una una típica Part I Momentos. Esperanza y varianza Esperanza una una típica Definición Sea X una discreta que toma los valores x i con probabilidades p i. Supuesto que i x i p i
Más detallesDistribuciones Probabilísticas. Curso de Estadística TAE,2005 J.J. Gómez Cadenas
Distribuciones Probabilísticas Curso de Estadística TAE,005 J.J. Gómez Cadenas Distribución Binomial Considerar N observaciones independientes tales que: El resultado de cada experimento es acierto o fallo
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 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 detallesCAPITULO 6 MODELO CON TIEMPOS DE FALLA CON DISTRIBUCION DE PROBABILIDAD GENERAL Y FRECUENCIA DE MUESTREO FIJO.
CAPITULO 6 MODELO CON TIEMPOS DE FALLA CON DISTRIBUCION DE PROBABILIDAD GENERAL Y FRECUENCIA DE MUESTREO FIJO. En este capítulo se presenta el modelo con tiempos de falla con distribución Exponencial y
Más detallesCálculo de Probabilidades II Preguntas Tema 2
Cálculo de Probabilidades II Preguntas Tema 2 1. Demuestre que la suma de n v.a. Bernuolli(p) independientes tiene una distribución Binomial con parametros (n, p). 2. Se dice que una v.a tiene una distribución
Más detallesPROGRAMA DE ASIGNATURA. CARÁCTER: Obligatoria CARRERA: Licenciatura en Ciencias de la Computación Profesorado en Física Profesorado en Matemática
PROGRAMA DE ASIGNATURA ASIGNATURA: Probabilidad y Estadística Introducción a la Probabilidad y Estadísitica AÑO: 2012 CARÁCTER: Obligatoria CARRERA: Licenciatura en Ciencias de la Computación Profesorado
Más detallesProf. Eliana Guzmán U. Semestre A-2015
Unidad III. Variables aleatorias Prof. Eliana Guzmán U. Semestre A-2015 Variable Aleatoria Concepto: es una función que asigna un número real, a cada elemento del espacio muestral. Solo los experimentos
Más detallesPérdida Esperada. Pérdida Esperada (PE): Valor esperado de pérdida por riesgo crediticio en un horizonte de tiempo determinado.
Pérdida Esperada Uno de los objetivos de este estudio es construir una función de pérdidas para el portafolio de la cartera de préstamos que ofrece la entidad G&T Continental, basados en el comportamiento
Más detallesCálculo de Probabilidades y Estadística. Segunda prueba. 1
08231. Cálculo de Probabilidades y Estadística. Segunda prueba. 1 Problema 1. Se eligen tres puntos A, B y C, al azar e independientemente, sobre una circunferencia. Determinar la distribución del valor
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 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 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 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 detallesModelización de Sistemas Biológicos
Modelización de Sistemas Biológicos Componente Aleatoria de los Modelos 1 Componente Aleatoria de los Modelos Variables Aleatorias 2 Variables de Entrada Está muy vinculado con el conocimiento que se tiene
Más detallesMODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO.
DISTRIBUCIÓN t Con frecuencia intentamos estimar la media de una población cuando se desconoce la varianza, en estos casos utilizamos la distribución de t de Student. Si el tamaño de la muestra es suficientemente
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 detallesCapítulo 2. Números pseudoaleatorios
Capítulo 2 Números pseudoaleatorios 2.1 Los números pseudoaleatorios 2.2 Generación de números pseudoaleatorios 2.3 Propiedades de los números pseudoaleatorios entre 0 y 1 2.4 Pruebas estadísticas para
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 detalles