Académique Documents
Professionnel Documents
Culture Documents
UNMSM
INTRODUCCIN
Este trabajo conllevaba la simulacin de problemas
probabilsticos para las variables Normal, Uniforme y
Poisson haciendo uso del mtodo de Montecarlo
simulado en Excel. Partiendo as desde las acepciones,
clasificaciones y las propiedades ms importantes de
las variables ya citadas.
Contenido
1.
2.
3.
4.
VARIABLE ALEATORIA....................................................................................................... 1
1.1.
CLASIFICACIN ............................................................................................................ 1
1.2.
MEDIA ............................................................................................................................... 2
2.2.
2.3.
VARIANZA ....................................................................................................................... 2
2.4.
EJEMPLO ......................................................................................................................... 2
UNIFORME....................................................................................................................... 5
3.2.
POISSON ........................................................................................................................... 6
UNIFORME....................................................................................................................... 8
4.2.
NORMAL......................................................................................................................... 10
5.
6.
7.
6.1.
6.2.
BIBLIOGRAFA ..................................................................................................................... 17
Distribucin Uniforme
Distribucin de Bernoulli
Distribucin Binomial
Distribucin de Poisson
[Escriba texto]
Distribucin Uniforme
Distribucin Exponencial
Pgina 1
Distribucin Normal
Distribucin de Pearson
Distribucin de Student
Distribucin de Snedecor
lim F x 1 lim F x 1
[Escriba texto]
Pgina 2
f t dt
[Escriba texto]
Pgina 1
Las alturas (de los hombros) son: 600mm, 470mm, 170mm, 430mm y 300mm.
Calcula la media, la varianza y la desviacin estndar.
Respuesta:
MEDIA
[Escriba texto]
394
5
5
Pgina 2
Para calcular la varianza, toma cada diferencia, elvala al cuadrado, y haz la media:
21704
5
5
2
21704 147
Y lo bueno de la desviacin estndar es que es til: ahora veremos qu alturas estn a
distancia menos de la desviacin estndar (147mm) de la media:
Pgina 3
[Escriba texto]
Pgina 4
P( X X i )
1
p
Cuando esto ocurre se dice que X se distribuye como una variable aleatoria Uniforme
discreta. Esta es la distribucin discreta ms sencilla, la cual asigna la misma probabilidad a
cada una de las soluciones.
Ejemplos
La probabilidad de que salga cara o sello al lanzar una moneda
1
50%
2
1
50%
2
P( X Cara )
P( X Sello )
1
16.67%
6
1
16.67%
6
1
16.67%
6
1
16.67%
6
1
16.67%
6
1
16.67%
6
P( X 1)
P( X 2)
P( X 3)
P( X 4)
P( X 5)
P( X 6)
[Escriba texto]
Pgina 5
x P( )
Con >0, si su funcin o distribucin de probabilidad viene dada por:
P X X i e
Xi !
E X
V X
Y su funcin de distribucin:
F x
0
,x 0
n X i
e
,x 0
X
!
i 1
i
Seguidamente se pueden ver varios ejemplos de variables que se distribuyen con una
Poisson: Nmero de clientes que llegan a un banco durante una hora o una maana, nmero
de defectos en un trozo de material, etc. Sin embargo, de llegar muchos clientes en una
determinada franja horaria y pocos en otra, o no estar los defectos igualmente distribuidos
en el material, la distribucin de Poisson no sera apropiada.
Ejemplo
Una central telefnica recibe una media de 480 llamadas por hora. Si el nmero de
llamadas se distribuye segn una Poisson y la central tiene una capacidad para atender a
lo sumo 12 llamadas por minuto, cul es la probabilidad de que en un minuto
determinado no sea posible dar lnea a todos los clientes?
[Escriba texto]
Pgina 6
E X
480
8
60
Entonces:
X P(8)
La probabilidad de que reciba ms de doce llamadas ser:
P( X 12) 1 P( X 12)
n
P( X 12) 1 e
i 1
Xi !
8Xi
1 e
Xi !
i 1
12
P( X 12)
P( X 12) 1 0.9362
P( X 12) 0.0638
[Escriba texto]
Pgina 7
a b
X U a, b
Siempre se verifica que su funcin de densidad viene dada por la expresin:
f x
1
,
ba
a xb
ab
2
ba
12
E X
V X
0
xa
F x
b a
,x a
,a x b
,b x
Ejemplo
Seleccionamos al azar un nmero real en el intervalo [2, 6] y definimos una variable
aleatoria como X=nmero seleccionado. Calcula la probabilidad de que el nmero
seleccionado sea menor de 5 y el nmero esperado.
Solucin
En este caso para calcular la probabilidad lo que hacemos es:
[Escriba texto]
Pgina 8
P X 5
2
1
1
X
5 2 3
f ( x ) dx
dx dx 0.75
62
4
4 2 4 4 4
2
2
5
Esto se poda haber hecho ms rpido con la funcin de distribucin de la siguiente forma:
P X 5 F5
x b 52 3
0.75
a b 62 4
V X
[Escriba texto]
ba 62 1
0.33
12
12
3
Pgina 9
X N , ;
>0
f X
2 2
e
2
E X
V X 2
La media, la moda y la mediana coinciden.
Es una funcin simtrica respecto a la media, como se puede ver en el grfico.
Y N a b, a
[Escriba texto]
Pgina 10
Y N 1 2 , 12 2 2
Tipificando la normal
Sea:
X N ,
Z
Siempre se verifica que:
Z N 0,1
x
X x
P X x
P
Z
Ejemplo
Se utilizan medidores para rechazar todos los componentes donde cierta dimensin no
est dentro de la especificacin 1.50d. Se sabe que esta medida se distribuye de forma
normal con media 1.50 y desviacin estndar 0.2. Calcular el valor d tal que las
especificaciones cubran 95% de las mediciones.
Solucin:
De la Tabla es fcil ver que para 0.95
Por lo tanto:
1.96
1.5 d 1.5
0.2
d 1.96 0.2
d 0.392
[Escriba texto]
Pgina 11
Frec. Relativa
0.05
0.10
0.20
0.30
0.20
0.15
E X xi P X xi
i 0
Pgina 12
Y luego procedemos a arrastrar con el mouse para generar ms valores, tantos como
creamos convenientes.
[Escriba texto]
Pgina 13
[Escriba texto]
Pgina 14
[Escriba texto]
Pgina 15
[Escriba texto]
Pgina 16
7. BIBLIOGRAFA
CARRASCO, H. (2010). Simulacin, algunos mtodos y aplicaciones.
MONTERO, A. (2008). Estadstica II. Guadalajara.
RODRIGEZ ARAGN, L. J. (2010). Tema 3: Clculo de probabilidades. En Estadstica (pg. 29).
Mxico.
DLM. (2011). Disfruta las Matemticas. Recuperado el 29 de Octubre de 2014, de Varianza y
desviacin estndar: http://www.disfrutalasmatematicas.com/datos/desviacionestandar.html
UNIVERSITAT OBERTA DE CATALUNYA. (2012). Simulacin de Monte Carlo con excel. Recuperado el
29 de Octubre de 2014, de http://www.uoc.edu/in3/emath/docs/Simulacion_MC.pdf
[Escriba texto]
Pgina 17