Author
guillegr1
View
242
Download
0
Embed Size (px)
DESCRIPTION
modelacion y simulación
Mo
de
lac
inSimulacin
Unidad 2
Y
Ing. Adolfo E. Galn, M.Ed. | [email protected]
Simulacin de sistemas discretos
Ing. Adolfo E. Galn, M.Ed. | [email protected]
Agenda
2.3 Variables Aleatorias
2.3.1 Definicin- Discretas- Continuas
2.3.2 Tipo de distribucin
- Chi cuadrada- Kolmogorov - Smirnov- Anderson - Darling
2.3.3 Ejemplo
2.3.1 Variables aleatoriasDiscretas y continuas
Ing. Adolfo E. Galn, M.Ed. | [email protected]
2.3.1 Variables Aleatorias
Definicin:Son aquellas que tienen un comportamiento probabilstico de la realidad.
Ej:El nmero de clientes que llegan cada hora a un banco depende del momento del da, del da de la semana y de otros factores: por lo general, la afluencia de clientes ser mayor al medioda que muy temprano por la maana; la demanda ser ms alta el viernes que el mircoles; habr ms clientes un da de pago que un da normal, etc.
Ing. Adolfo E. Galn, M.Ed. | [email protected]
2.3.1 Tipos de variables aleatoriasAleatorias DiscretasRepresentan eventos en los que los
cambios en los valores que puede tomarla variable son especficos de unadistribucin discontnua.
Aleatorias ContnuasRepresentan eventos en los que los
cambios en los valores que puede tomarla variable son contnuos y sin saltos.
Ing. Adolfo E. Galn, M.Ed. | [email protected]
2.3.1 Variables DiscretasParmetros:
Ing. Adolfo E. Galn, M.Ed. | [email protected]
ba
b
ai
i
i
i
pppbxaP
p
xP
...)(
1
0)(
0
2.3.1 Variables ContnuasParmetros:
Ing. Adolfo E. Galn, M.Ed. | [email protected]
b
a
dxxfxFbxaPbxaP
xf
xP
)()()()(
1)(
0)(
2.3.1 Distribuciones contnuas y discretasPara mayor informacin y explicacin de
las funciones de distribucin, utilice elsiguiente enlace:
Dist. Discretas:http://www.aulafacil.com/CursoEstadisti
ca/Lecc-27-est.htmDist. Contnuas:http://www.docentesinnovadores.net/Ar
chivos/5734/DISTRIBUCIONES%20CONTINUAS.pdf
Ing. Adolfo E. Galn, M.Ed. | [email protected]
2.3.2 Tipo de distribucin de un conjunto de datosProcedimiento para determinar el tipo de distribucin
Ing. Adolfo E. Galn, M.Ed. | [email protected]
2.1.3 Determinacin de la distribucin de probabilidad
La distribucin de probabilidad de losdatos es posible determinarla a travsde varios mtodos, a partir de los datoshistricos con los que se cuenta.
La idea es determinar la distribucin quemejor representa dichos datoshistricos. Dentro de los mtodosestn: Chi-Cuadrada, Kolmogorov-Smirnov y Anderson-Darling.
Ing. Adolfo E. Galn, M.Ed. | [email protected]
2.3.2 Chi-Cuadrada
Se trata de una prueba de hiptesisa partir de datos, basada en elclculo de un valor llamadoestadstico de prueba, al cualsuele comparrsele con un valorconocido como valor crtico,mismo que se obtiene,generalmente, de tablasestadsticas.
Ing. Adolfo E. Galn, M.Ed. | [email protected]
2.3.2 Chi-CuadradaProcedimientoObtener al menos 30 datos de la variable aleatoria a
analizar.Calcular la media y varianza de los datos.Crear un histograma de m=n intervalos, y obtener la
frecuencia observada en cada intervalo OiEstablecer explcitamente la hiptesis nula, mediante
una distribucin de probabilidad que se ajuste a laforma del histograma.
Calcular la frecuencia esperada, Ei, a partir de la funcinde probabilidad propuesta. Ei= n * p(x)
Calcular el estadstico de prueba
Ing. Adolfo E. Galn, M.Ed. | [email protected]
m
i i
ii
E
OEX
1
22
0
)(
2.3.2 Chi-CuadradaProcedimientoDefinir el nivel de significancia de la prueba, , y
determinar el valor crtico de la prueba, X2 , m-k-1 (kes el nmero de parmetros estimados en ladistribucin propuesta).
Comparar el estadstico de prueba con el valor crtico.Si el estadstico de prueba es menor que el valorcrtico no se puede rechazar la hiptesis nula.
Ing. Adolfo E. Galn, M.Ed. | [email protected]
2.3.2 Ejemplo
Ing. Adolfo E. Galn, M.Ed. | [email protected]
Nmero de automviles que entran por hora a
una gasolinera.
2.3.2 Ejemplo
Ing. Adolfo E. Galn, M.Ed. | [email protected]
Datos de nmero de automviles que entran a una gasolinera cada hora:
14 7 13 13 16 13 14 17 15 16
13 15 10 15 16 14 12 17 14 12
13 20 8 17 19 11 12 17 9 18
20 10 18 15 13 16 24 18 16 18
12 14 20 15 10 13 21 23 15 18
n 50
m 7.07 Ho: Poisson (=15) automviles/hora
14.98 15
2 13.20 H1: Otra distribucin
Intervalo
Inf. Cond. Inf. Sup. Cond. Sup. Oi P(Inf) P(Sup)P(x) = P(Inf)
+ P(Sup)Ei = 50 * P(x) Error
0 >=0 7 =8 9 =10 11 =12 13 =14 15 =16 17 =18 19 =20 21 =22 23 =24 25 =25 100
2.3.2 Ejemplo
Como X20.05,11-0-1 = 18.307 (obtenido de la tabla), entonces no se puede rechazar la hiptesis de que la variable aleatoria tiene una distribucin de Poisson, con media 15 automviles/hora.
Ing. Adolfo E. Galn, M.Ed. | [email protected]