Vous êtes sur la page 1sur 26

Modelacin Estocstica

Unidad 3 Actividad 2

GENERACIN DE VARIABLES ALEATORIAS


2 de junio de 2016
Autor: Laura Pontn

Modelacin Estocstica
Unidad 3 Actividad 2
1. Para la distribucin triangular:

Modelacin Estocstica | 02/06/2016

a. Aplicando el mtodo de la transformacin inversa encuentra el valor despejado de x debes realizar el procedimiento y explicarlo.

De acuerdo a los apuntes:


1. Debe construirse la expresin matemtica correspondiente a la funcin de distribucin acumulativa:
() = ( )
<

() = ()

Esta funcin se iguala a un valor aleatorio r entre cero y uno


= ()
Y de ah se despeja el valor de x:
= 1 ()

Cada funcin de distribucin acumulativa F es no decreciente y derecha continua, tal que


lim () = 0 , lim () = 1

Por lo que es la funcin de distribucin acumulada de la variable aleatoria.


Entonces
Si X es una variable aleatoria puramente discreta, entonces se alcanza valores 1 , 2 , . .. con probabilidad = ( ), y la Funcin de Distribucin Acumulativa de X ser
discontinua en los puntos y con la constante entre:
() = ( ) = ( = ) = ( )
<

Si la Funcin de Distribucin Acumulativa F de una variable aleatoria X de valor real es continuo, entonces X es una variable aleatoria continua; Por otra parte, si F es
absolutamente continua, entonces existe una funcin f integrable Lebesgue (x) tal que:

() () = ( < ) = ()

para todos los nmeros reales a y b. La funcin f es igual a la derivada de F en casi todas partes, y se llama la funcin de densidad de probabilidad de la distribucin de X.
Sea entonces para todas las distribuciones triangulares, tal que sea de la forma cerrada, donde la densidad (f) y la distribucin acumulativa (F) estn dadas por:
2
, 0

() = {
2(1 )
, 1
1

Modelacin Estocstica | 02/06/2016

<

2
, 0

() =
(1 )2
1

, 1
{
1
Por lo tanto
1 () = {

0
,
1 (1 )(1 ),
1

Si u es una variable aleatoria uniforme [0,1] entonces 1 () ser triangular en [0,1]


Lo que para efectos de realizar clculos a travs de Excel debemos considerarla de esta manera:
( )( ) + ,

Modelacin Estocstica | 02/06/2016

1 () = {
(1 )( )( ) + ,

<

Por lo que para ingresarla en Excel la vemos de la siguiente forma:


= [ <=

()
, +(()()), ((1 ) ()( ))]
()

Donde
: (),
: ,
:
: .

Por otro lado, un mtodo para generar valores de variables aleatorias no uniformes es el mtodo de composicin, mediante este mtodo la distribucin de probabilidad () se
expresa como una mezcla de varias distribuciones de probabilidad () seleccionada adecuadamente.

El procedimiento para la seleccin de las () se basa en el objetivo de minimizar el tiempo de computacin requerido para la generacin de valores de variable aleatoria
analizada.
Especficamente se asume que para todas las x, () pueden ser representadas como:

() = () = () , 0, = 1
=1

=1

El algoritmo general que hay que desarrollara para la aplicacin de este mtodo en la simulacin de valores de variables aleatorias no uniformes es el cumplimiento de los
siguientes pasos:

() = 1 1 () + 2 2 () + + () 1 = 1
4. Obtener la distribucin acumulada de las reas
5. Generar dos elementos aleatorios 1 2
6. Seleccionar la distribucin de probabilidad ()con la cual se va a simular el valor de x. La seleccin de esta distribucin se obtiene al aplicar el
mtodo de la transformada inversa, en el cual el eje Y est representado por la distribucin acumulada de las reas, y el eje X por las distribuciones
(). Para esta seleccin se utiliza el nmero aleatorio 1
7. Utilizar el nmero uniforme 2 para simular por el mtodo de transformada inversa o algn otro procedimiento especial, valores que sigan la
distribucin de probabilidad (). Seleccionada en el paso anterior.
Para la generacin de valores de variables aleatorias que sigan cierta distribucin de probabilidad que se desea simular y para generarlos por medio del mtodo de composicin
anterior se desarrolla la distribucin triangular.
Siguiendo entonces los pasos descritos anteriormente, la generacin de valores aleatorias que sigan la distribucin triangular tenemos que:

Modelacin Estocstica | 02/06/2016

1. Dividir la distribucin de probabilidad original en sub-reas


2. Definir la distribucin de probabilidad para cada sub-rea
3. Expresar la distribucin de probabilidad original en la forma siguiente.

1. Primero, la distribucin de probabilidad original se va a dividir en dos reas, tal como se muestra en la figura siguiente:
1

Donde 1 = 2 =
2. Se determinan las distribuciones de probabilidad y distribucin acumulada de las reas definidas en el paso anterior.

Modelacin Estocstica | 02/06/2016

1 =

2
( )
( )2

1 =

( )2
( )2

2
( )

2 =

2
( )
( )2

2 =

1 ( )2
( )2

3. Posteriormente la distribucin de probabilidad original se expresa como:

2
(
( )) +
(
( ))
( )
( )2

() =

2
2
( ) +
( )
( )( )
( )( )

4. Con las reas y distribuciones 1 () definidas en los pasos anteriores, la distribucin acumulada de las reas sera:
1

( )
( )

1 ()

2 ()

Modelacin Estocstica | 02/06/2016

() =

5. Generar dos nmeros uniformes 1 2


6. Es 1 < ( /( ))? Cuando es as, entonces se simulan valores de la distribucin 1 ():

( )2
= 2
( )2
= + ( )2
En caso contrario, se simulan valores de la distribucin 2 ():

Modelacin Estocstica | 02/06/2016

2 =

1 ( )2
( )2

= ( )1 2

Repitiendo todo el proceso por cada variable aleatoria a generar.

b.
Utilizando Excel simula 15 nmeros aleatorios de la distribucin triangular
suponiendo que
= 10, = 12 = 15

c.Considerando los resultados del inciso b calcula:


i. Media y Varianza de los datos generados
= 12.58 , 2 = 11.18
ii. Cuntos valores de tu simulacin son mayores que 12 y cuntos son menores de 12?
12 = 8, 12 = 7
iii. Cul es la probabilidad de que 14 utilizando los datos simulados?
(15 14)2
2
= = 0.4
(15 10)(15 12) 5

Modelacin Estocstica | 02/06/2016

( < 14) = 1

Modelacin Estocstica | 02/06/2016

2. Suponga que se quiere simular en lanzamiento de una moneda.


a. Establece un mtodo considerando lo visto en la unidad y realiza la simulacin de 15 lanzamientos con
probabilidad de salir sol de = 1/6.
Por lo que para realizar esta simulacin se generan 15 nmeros aleatorios en Excel entre 0 y 1, tal que si = 1 es
sol y si = 0 es guila,
tal que < = 1 = 0

ri
0.39529717
0.16413479
0.80395641
0.72279648
0.94179424
0.01820896
0.55726731
0.00865226
0.62075479
0.70107676
0.35670448
0.74550478
0.12742824
0.61967634
0.28979236

S:Sol, A:guila
A,S,A,A,A,S,A,S,A,A,A,A,S,A,A
Con una probabilidad de 1/6 = 0.1666

p
0.16666667
0.16666667
0.16666667
0.16666667
0.16666667
0.16666667
0.16666667
0.16666667
0.16666667
0.16666667
0.16666667
0.16666667
0.16666667
0.16666667
0.16666667

X
0
1
0
0
0
1
0
1
0
0
0
0
1
0
0

b. Cmo ser si quieres lanzar un dado? Realiza 7 lanzamientos de un dado no cargado?


Es una distribucin uniforme porque un dado tiene 6 caras, y cada cara tiene la misma probabilidad de
aparecer, lo que implica que la probabilidad es de 1/6 para cada cara, as tenemos

ri
0.170502
0.93977502
0.06455637
0.19058184
0.73203159
0.4325216
0.81731584

X
1.85251002
5.69887508
1.32278184
1.95290922
4.66015794
3.16260801
5.08657922

Por lo que los resultados de los lanzamientos son:


2,6,1,2,5,3,5

Modelacin Estocstica | 02/06/2016

= + ( )
= 1,2, 6
= 6 = 0 1

10

3. Suponga que se quiere simular el nmero de nios en una comunidad de 40 familias. Se sabe que cada familia tiene cuatro hijos. Utilizar a la distribucin Bernoulli como
base para realizar esta simulacin. Suponga que se tiene la misma probabilidad de tener un nio que una nia.
a. Simular 40 familias.
Dado que la probabilidad de que sea nio o nia es la misma, la probabilidad es de y siendo 4 hijos por familia,
se debern generar 4 aleatorios en Excel entre 0 y 1, tal que si = 1 es nia y si = 0 es nio,
tal que < = =
Estimar del inciso a la media y varianza de los datos obtenidos de la simulacin, no uses la media y varianza
establecida en la distribucin. = 0.55, 2 = 11.5150
a. Cuntas familias tuvieron 0,1,2,3,4 nias de acuerdo a los datos simulados?
0
6
1
10
2
11
3
12
4
1

Modelacin Estocstica | 02/06/2016

Histograma de Frecuencias de 0 a 4 Nias en 40 Familias

11

14

b. Elabora el histograma de frecuencias

13

12

11

10

8
6

4
2
0

TOTAL

MEDIA

Hijo 1
0.39789703
0.63623409
0.76011259
0.48682774
0.21496557
0.2800029
0.82583998
0.52359396
0.35143885
0.57002218
0.77205238
0.22953047
0.62227208
0.2102184
0.14415499
0.54524837
0.96525437
0.07074482
0.56612655
0.22709209
0.67176779
0.38904687
0.85148075
0.64103217
0.74320704
0.64546949
0.19833832
0.02167966
0.35743748
0.65484035
0.97451647
0.57889963
0.72596822
0.15394107
0.55902736
0.19240949
0.89393336
0.08162885
0.70122202
0.41659191

7.7125625
11.5150625

VARIANZA

Gnero
Hijo 2
Gnero
Hijo 3
nia
0.40482829
nia
0.10515443
nio
0.5968415
nio
0.58489049
nio
0.76198105
nio
0.0011554
nia
0.14055547
nia
0.52080433
nia
0.25527842
nia
0.01379046
nia
0.57131406
nia
0.54677109
nio
0.81651085
nio
0.01360506
nio
0.75147823
nio
0.26465634
nia
0.05115526
nia
0.04309354
nio
0.83747147
nio
0.72904706
nio
0.02036312
nio
0.56078662
nia
0.81184153
nia
0.82784026
nio
0.25920641
nio
0.67174509
nia
0.82997887
nia
0.65217792
nia
0.36282644
nia
0.5992891
nio
0.76651157
nio
0.90153102
nio
0.20813657
nio
0.12919417
nia
0.94610432
nia
0.70944063
nio
0.07280314
nio
0.76935493
nia
0.56861354
nia
0.40635494
nio
0.28483885
nio
0.37651898
nia
0.3530976
nia
0.71083206
nio
0.70130167
nio
0.37947249
nio
0.40220857
nio
0.78970293
nio
0.04671872
nio
0.25591776
nio
0.95675375
nio
0.87460646
nia
0.7087027
nia
0.94272775
nia
0.94566
nia
0.61323864
nia
0.73917368
nia
0.83900853
nio
0.44250103
nio
0.431979
nio
0.23187866
nio
0.17292637
nio
0.09713287
nio
0.06828988
nio
0.65458398
nio
0.99760479
nia
0.977321
nia
0.61102591
nio
0.98607279
nio
0.0887602
nia
0.18265685
nia
0.06098313
nio
0.60751726
nio
0.81843211
nia
0.66942651
nia
0.42464052
nio
0.87677636
nio
0.78555632
nia
0.63308714
nia
0.99529167
18
18
22
22
PROBABILIDAD DE TENER 2 O MENOS NIOS
PROBABILIDAD DE TENER 2 O MENOS NIAS

CALCULO DE PROBABILIDAD

Gnero
nia
nio
nia
nio
nia
nio
nia
nia
nia
nio
nio
nio
nio
nio
nio
nio
nia
nio
nio
nia
nia
nio
nia
nio
nia
nio
nio
nio
nio
nia
nia
nia
nio
nio
nia
nia
nio
nia
nio
nio
17
23
0.6
0.675

Hijo 4
0.93698924
0.63224781
0.41158455
0.77249066
0.96126134
0.06880876
0.65960673
0.38489352
0.53566847
0.61228998
0.43763298
0.94446289
0.02973695
0.83815693
0.49838099
0.16307149
0.16916946
0.20763174
0.52301989
0.77427931
0.87093533
0.05627662
0.02086048
0.07015272
0.21560298
0.9154508
0.64556821
0.24732938
0.61218501
0.87969147
0.9058808
0.68281375
0.55389989
0.43220486
0.02619165
0.58053765
0.35761108
0.46755513
0.87956531
0.26528178

Gnero
nio
nio
nia
nio
nio
nia
nio
nia
nio
nio
nia
nio
nia
nio
nia
nia
nia
nia
nio
nio
nio
nia
nia
nia
nia
nio
nio
nia
nio
nio
nio
nio
nio
nia
nia
nio
nia
nia
nio
nia
19
21

NIAS
3
0
2
2
3
3
1
2
3
0
1
2
1
2
3
1
2
3
0
3
1
3
2
1
2
0
2
3
2
1
1
1
0
3
2
3
1
4
0
3
72

NIOS
1
4
2
2
1
1
3
2
1
4
3
2
3
2
1
3
2
1
4
1
3
1
2
3
2
4
2
1
2
3
3
3
4
1
2
1
3
0
4
1
88

0 NIAS
0
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
1
0
0
0
0
0
0
1
0
0
0
0
0
1
0
6

Nmero de Nias
(fi)

0.01125
0
1
2
3
4

6
10
11
12
1
40

1 NIA
0
0
0
0
0
0
1
0
0
0
1
0
1
0
0
1
0
0
0
0
1
0
0
1
0
0
0
0
0
1
1
1
0
0
0
0
1
0
0
0
10

2 NIAS
0
0
1
1
0
0
0
1
0
0
0
1
0
1
0
0
1
0
0
0
0
0
1
0
1
0
1
0
1
0
0
0
0
0
1
0
0
0
0
0
11

3 NIAS
1
0
0
0
1
1
0
0
1
0
0
0
0
0
1
0
0
1
0
1
0
1
0
0
0
0
0
1
0
0
0
0
0
1
0
1
0
0
0
1
12

4 NIAS
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
1

Modelacin Estocstica | 02/06/2016

p
FAMILIA
0.5
familia 1
0.5
familia 2
0.5
familia 3
0.5
familia 4
0.5
familia 5
0.5
familia 6
0.5
familia 7
0.5
familia 8
0.5
familia 9
0.5
familia 10
0.5
familia 11
0.5
familia 12
0.5
familia 13
0.5
familia 14
0.5
familia 15
0.5
familia 16
0.5
familia 17
0.5
familia 18
0.5
familia 19
0.5
familia 20
0.5
familia 21
0.5
familia 22
0.5
familia 23
0.5
familia 24
0.5
familia 25
0.5
familia 26
0.5
familia 27
0.5
familia 28
0.5
familia 29
0.5
familia 30
0.5
familia 31
0.5
familia 32
0.5
familia 33
0.5
familia 34
0.5
familia 35
0.5
familia 36
0.5
familia 37
0.5
familia 38
0.5
familia 39
0.5
familia 40
TOTAL NIAS
TOTAL NIOS
72
0.45
88
0.55

12

c. Cul es la probabilidad de tener 2 o menos nios considerando los resultados de la simulacin? 0.6
d. Realiza la prueba de bondad de ajuste con la Chi- cuadrada. A qu distribucin se ajusta? Binomial
= 7.1560

Comparativo de Frecuencias
30

25

20

15

13
11
9

Modelacin Estocstica | 02/06/2016

10

13

5
2

0
1

3
Series1

4
Series2

2 0.05,6 = 7.81473
Tal que 2 2 5%,6 es decir, es verdad que 7.1560 7.81473 as entonces es verdadera la , y se rechaza la hiptesis alternativa
:
:
Por lo que el modelo es el adecuado.

Nota: Como los valores en Excel se mueven a cada movimiento, las grficas no corresponden al dato captado al momento de hacer los clculos finales de la distribucin, por lo que al cambiar, es
imposible captar cada uno e ir moviendo los valores y hasta la distribucin.

Modelacin Estocstica | 02/06/2016

2 = 7.1560

14

Modelacin Estocstica | 02/06/2016

4. Se sabe quiere realizar la simulacin de 40 estaturas de hombres. Se sabe que la media es 1.73 con desviacin estndar de 3.5. Utilizando el mtodo de simulacin directa
realiza la simulacin de una normal.
a. Simular 40 estaturas de hombres.

15

#
1
2
3
4
5
6
7
8

r1
0.68694443
0.33323914
0.91685347
0.21250456
0.06003407
0.03339361
0.34404681
0.76275279

r2
cos(2pi*r2)
0.31849642 -0.417211884
0.63412771 -0.66541369
0.60747214 -0.780540344
0.26458351 -0.09150239
0.42337223 -0.886316527
0.91594572 0.863751013
0.2208302
0.18225514
0.9616172 0.971059794

sqrt-2(ln r1)
0.866604734
1.482494458
0.416671601
1.759995358
2.371852893
2.607447356
1.460806318
0.735963726

z1
-0.36155779
-0.98647211
-0.32522899
-0.16104378
-2.10221242
2.2521853
0.26623946
0.71466478

0.27501036 0.00100983

1.606827002

1.60679466

10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

0.13462551
0.03721753
0.47239512
0.35306652
0.58875798
0.92081817
0.8784176
0.47196238
0.89565907
0.6658083
0.66633105
0.52347835
0.79797773
0.19345938
0.92031469
0.25994034
0.49391067
0.54571317
0.11474943
0.71709656
0.18157336
0.12471333
0.0765984
0.58356552
0.14981228
0.98989093
0.91372387
0.79291897
0.74784816
0.62448992
0.23152034

0.561189346
2.00262744
0.733356396 2.565531243
-0.98164709 1.224695488
0.09052499
1.442982184
0.952944821 1.029310527
-0.534633297 0.406183921
0.982791554 0.509182035
-0.832443428 1.225443592
0.893366241 0.469458061
-0.006580345 0.90194622
-0.727132237 0.90107564
0.14451255
1.137769394
0.123804477 0.671825258
0.97636872
1.812560452
-0.082158574 0.407528179
0.990468895 1.641525597
-0.957607983 1.187771531
0.432666849 1.100601438
-0.941841303 2.080867338
-0.740801017 0.815530222
0.951218309 1.847211681
-0.92886057 2.040459518
0.747792111 2.266794705
-0.241768844 1.037881057
0.92319626
1.948523657
0.048582092 0.142551811
-0.632133983 0.424798464
0.72758841
0.681225717
0.584049468 0.762306132
0.393379843 0.970381459
0.050965001 1.710606657
MEDIA
VARIANZA
amplitud del rango

1.12385318
1.88144875
-1.20221876
0.13062595
0.98087614
-0.21715945
0.5004198
-1.02011246
0.41939798
-0.00593512
-0.65520115
0.16442196
0.08317497
1.76972733
-0.03348193
1.62588004
-1.1374195
0.47619376
-1.95984681
-0.60414562
1.75710157
-1.89530239
1.6950912
-0.2509273
1.79886975
0.00692547
-0.26852954
0.49565194
0.44522449
0.38172851
0.08718107
0.18692207
1.19799997
0.72573295

0.8448282
0.88102384
0.46946115
0.2355728
0.95098207
0.3397752
0.0295686
0.59347079
0.07416851
0.25104735
0.62042648
0.77308086
0.23024527
0.96533149
0.26309075
0.02199138
0.45349255
0.17878636
0.55454702
0.38277701
0.04991661
0.56039487
0.11555701
0.71113636
0.06278357
0.24226493
0.35891046
0.87967963
0.84926648
0.18565291
0.75811501

0.999979871

En este caso para generar una variable aleatoria normal con el mtodo directo, se necesitan generar pares de
nmeros aleatorios 1 y 2 y usar una de las siguientes transformaciones:

1 = 21 cos(22 )
2 = 21 sen(22 )
b. Estima del inciso a la media y varianza utilizando los datos obtenidos de la simulacin.

MEDIA
VARIANZA

0.18692207
1.19799997

c. Si se sabe que para ingresar a una empresa de guardia de seguridad deben medir por lo menos 1.75,
utilizando los resultados de los datos simulados, cuntos hombres podran entrar? 5
d. Cul es la probabilidad de que un hombre tenga una estatura menor o igual a 1.67 cm? Hay 34
menores a 1.67 entonces 34/40 = 0.85
e. Realiza la prueba de bondad de ajuste de tus datos utilizando Kolmogorov-Smirnov obtenidos en la
simulacin.

Histograma de Frecuencias
14

12

10

0
2

() =

() =

1
2

1 () 2
(
)
2

1 0.186922073063836 2
1
(
)

2 1.09453184992905
2.74358419712304

Modelacin Estocstica | 02/06/2016

16

Modelacin Estocstica | 02/06/2016

17

Lmite
Inferior
-2.102212418

Lmite
Superior
-1.376479465

-1.376479465

-0.650746513

-0.650746513

0.074986439

0.074986439

0.800719391

0.800719391

1.526452343

1.526452343

2.252185295

Funcin de densidad
1.376479465
1 0.186922073063836 2
1
(
1 () =

2 1.09453184992905 )
2.74358419712304 2.102212418
0.650746513
1 0.186922073063836 2
1
2 () =

2( 1.09453184992905 )
2.74358419712304 1.376479465
0.074986439
1 0.186922073063836 2
1
(
)
()
3
=

2 1.09453184992905

2.74358419712304 0.650746513
0.800719391
1 0.186922073063836 2
1
(
4 () =

2 1.09453184992905 )
2.74358419712304 0.074986439
1.526452343
1 0.186922073063836 2
1
(
5 () =

2 1.09453184992905 )
2.74358419712304 0.800719391
2.252185295
1 0.186922073063836 2
1
6 () =

2( 1.09453184992905 )
2.74358419712304 1.526452343

()
0.0583472
0.145448
0.237232
0.253256
0.176965
0.0809191

Comparativo de Frecuencias
14

12
12
11

10.13024
10

9.48928

8
8
7.0786
6

5.81792

2.333888

2
1

HIPTESIS
:
:

Modelacin Estocstica | 02/06/2016

3.236764

18

intervalo
1
2
3
4
5
6

Lmite
inferior
2.10221242
1.37647947
0.65074651
0.07498644
0.80071939
1.52645234

Lmite
superior
0.72573295 1.37647947
0.72573295 0.65074651
amplitud

0.72573295
0.72573295
0.72573295
0.72573295

0.07498644
0.80071939
1.52645234
2.2521853

FOi

POI

POAi

PEi

PEAi

|PEAi-POAi|

0.025

0.025

0.0583472

0.0583472

0.0333

0.15

0.175

0.145448

0.2037952

0.0288

11
12
2
8
40

0.275
0.3
0.05
0.2

0.45
0.75
0.8
1

0.237232
0.253256
0.176965
0.0809191

0.4410272
0.6942832
0.8712482
0.9521673

0.0090
0.0557
0.0712
0.0478

Modelacin Estocstica | 02/06/2016

Mxima Diferencia

19

1 = 0.05

= 40

Valor en tablas 0.21012 con un nivel de significacin del 0.05 a 40 datos


0.0712 0.21012 es Verdadero por lo que el modelo es el adecuado

:
:
es verdadera la , y se rechaza la hiptesis alternativa

0.0712

5. Suponga que las calificaciones de un grupo de la materia de Modelacin Estocstica con su frecuencia relativa son:
Frecuencia relativa

0.03

0.05

0.12

0.11

0.25

0.14

0.11

0.08

10

0.11

Este es un caso de aplicacin del mtodo de simulacin directa, de una distribucin emprica discreta, asociando valores aleatorios enteros con las posibles variables, de modo
que los nmeros aleatorios de cada variable sean proporcionales a las probabilidades de ocurrencia, y como nos estn dando las frecuencias relativas se genera la tabla de
frecuencias acumuladas relativas para generar los nmeros aleatorios uniformes (ri) entre 0 y 1
Entonces tenemos lo siguiente:
F.Relativa

F.Acumulada

0.03

0.03

0.05

0.08

0.12

0.2

0.11

0.31

0.25

0.56

0.14

0.7

0.11

0.81

0.08

0.89

0.11

Modelacin Estocstica | 02/06/2016

Calificacin

20

Por lo que ya teniendo la Frecuencia Acumulada


Tenemos la siguiente condicional
1 [0.0,0.0] = 0,
1 [0,0. 03] = 1,
1 [0.03,0.08] = 2,
1 [0.08,0.2] = 3,
1 [0.2,0.31] = 4,
1 [0.31,0.56] = 5,
1 [0.56,0.7] = 6,
1 [0.7,0.81] = 7,

Modelacin Estocstica | 02/06/2016

1 [0.81,0.89] = 8,

21

1 [0.89 ,1] = 9,
1 [1 ,1] = 10

As que rehaciendo las tablas, porque ya se perdi la original por ser una frmula aleatoria en Excel que cambia cada vez que se mueve algo en la tabla, vuelvo a rehacer el
procedimiento completo.

0.851544537
0.076730112
0.749693994
0.072845542
0.260893305
0.328284039
0.549254983
0.094464224
0.004012139
0.091270027
0.603191421
0.093926042
0.220803212
0.766027373
0.184099982
0.746521109
0.513768382
0.768200711
0.410374912
0.03208427

Modelacin Estocstica | 02/06/2016

Se generan los siguientes nmeros seudoaleatorios

22

Por medio de la siguiente frmula de Excel =CONTAR.SI($C$49:$C$50,D48) para cada rango de frecuencia acumulado se coloca cada uno en una columna por calificacin
determinamos si cada valor cae en es rango, para asignar calificacin a cada valor en una columna final

Modelacin Estocstica | 02/06/2016

a) Realiza la simulacin de 20 alumnos.

23

Num. Pseudo
0.851544537
0.076730112
0.749693994
0.072845542
0.260893305
0.328284039
0.549254983
0.094464224
0.004012139
0.091270027
0.603191421
0.093926042
0.220803212
0.766027373
0.184099982
0.746521109
0.513768382
0.768200711
0.410374912
0.03208427

0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0

2
0
1
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1

3
0
0
0
0
0
0
0
1
0
1
0
1
0
0
1
0
0
0
0
0

4
0
0
0
0
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0

5
0
0
0
0
0
1
1
0
0
0
0
0
0
0
0
0
1
0
1
0

6
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0

7
0
0
1
0
0
0
0
0
0
0
0
0
0
1
0
1
0
1
0
0

8
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

9
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

10
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

calificaciones
8
2
7
2
4
5
5
3
1
3
6
3
4
7
3
7
5
7
5
2

Num. Pseudo
0.851544537
0.076730112
0.749693994
0.072845542
0.260893305
0.328284039
0.549254983
0.094464224
0.004012139
0.091270027
0.603191421
0.093926042
0.220803212
0.766027373
0.184099982
0.746521109
0.513768382
0.768200711
0.410374912
0.03208427

calificaciones
8
2
7
2
4
5
5
3
1
3
6
3
4
7
3
7
5
7
5
2

b) Estima la media y varianza de los resultados de la simulacin.


= 4.45, 2 = 4.26

Modelacin Estocstica | 02/06/2016

Por lo que queda de la siguiente manera

24

c) Cuntos pasaron la materia de tu simulacin?6


d) Cuntos obtuvieron 10? CERO
e) Cul es la probabilidad de pasar la materia utilizando los resultados de la simulacin? 0.3
Me di cuenta de que tena algunos errores en la seleccin de los rangos en algunas columnas por lo que la muestra original era errnea, dado que el aleatorio es entre cero y uno
jams dar 1, por lo que no hay calificaciones de 10, es decir, que siempre depender de la seleccin de los rangos para que ello pueda ocurrir.

Modelacin Estocstica | 02/06/2016

Referencias:
http://www.academia.edu/4716814/Simulacion_-_Un_enfoque_Practico_-_Raul_COSS_Bu

25

Vous aimerez peut-être aussi