TALLER DE SIMULACIN

1. Variables aleatorias (definicin y clasificacin)

Es una variable que toma valores numricos determinados por el resultado de un

experimento aleatorio

Hay una diferencia entre variable aleatoria y los valores posibles. Los primeros se
representan con la letra mayscula X y la minscula x representa los posibles
valores.

Para ilustrar lo anteriormente mencionado, consideremos el lanzamiento de un

dado al aire, se puede utilizar la variable aleatoria X para representar el resultado,

esta variable aleatoria puede tomar los valores especficos x=1, x =2, , x=6 ,

cada uno con una probabilidad (Paul Newbold, 2008)

1
P ( X=1 )==P ( X =6 )=
6

Las variables aleatorias se clasifican en dos: Variable Aleatorias discretas y

Variables Aleatorias continuas.

Las variables aleatorias discretas son las que slo pueden tomar un numero
finito de valores. Por ejemplo, el nmero de veces que sale cara cuando se lanza
20 veces una moneda al aire.

Ejemplos:

El nmero de artculos defectuosos de una muestra de 20 artculos

procedente de un gran envo
El nmero de clientes que llegan a la caja de un supermercado en una hora
El nmero de errores detectados en las cuentas de una empresa
El nmero de reclamaciones en una pliza de seguro medico en un ao
Las variables aleatorias Continuas son las que pueden tomar cualquier valor de
un intervalo, en este caso no se puede asignar probabilidades a valores
especficos. (Paul Newbold, 2008)

Ejemplos:

La renta anual de una familia

La cantidad de petrleo importado en un mes
El porcentaje de impurezas que hay en un lote de productos qumicos

2. Distribuciones de probabilidad (definicin y clasificacin)

Distribucin de probabilidad, son todos lo posibles valores que resultan de un

experimento aleatorio, junto con la probabilidad asociada a cada valor.
(Bencardino, 1997)

Las distribuciones de probabilidad se dividen en Distribuciones de probabilidad de

variables aleatorias discretas y Distribuciones de probabilidad de variables
aleatorias. Dentro de las primeras encontramos la distribucin binomial, Poisson,
Hipergeomtrica, y en las continuas se encuentran la distribucin normal, uniforme
y la exponencial.

Distribuciones de probabilidad de variables aleatorias discretas

La funcin de probabilidad, P( x) , de una variable aleatoria discreta X

expresa la probabilidad de que X tome el valor x , como una funcin de x ,

es decir,

P ( x )=P ( X =x ) , para todoslos valores de x

La funcin de probabilidad solo puede tomar valores distintos de 0 en puntos

discretos x, a veces se denomina Funcin de masa de probabilidad. Luego de que
se han calculado las probabilidades, la funcin puede representarse grficamente.
(Paul Newbold, 2008)
Propiedades

Sea X una variable aleatoria discreta que tiene una funcin de probabilidad

P( x) . En ese caso,

0 P ( x ) 1 para cualquier valor de x

L as probabilidades individuales suman1, es decir ,

P ( x )=1
x

Donde la notacin indica que el sumatorio abarca todos los valores posibles de
x

En la propiedad 1 se puede notar que las probabilidades no pueden ser negativas

o mayores que 1, y de la 2 se deduce que los sucesos X=x , para todos

los posibles valores de x , son mutuamente excluyentes y colectivamente

exhaustivos. La probabilidad de estos sucesos debe sumar 1. (Paul Newbold,

2008)

Funcin de probabilidad acumulada

La funcin de probabilidad acumulada, F( x 0 ) , de una variable aleatoria X ,

expresa la probabilidad de que X no tenga un valor superior a x 0 , como una

funcin de x 0 , es decir,

F ( x 0 )=P( X x 0 )
Donde la funcin se evala en todos los valores x 0 . (Paul Newbold, 2008)

3. Intervalos de confianza (definicin, ejemplo con estadstico t, ejemplo

con estadstico z, ejemplo para proporciones)

Un intervalo de aceptacin es un intervalo en el que es muy probable que se

encuentre una media muestral, dado que conocemos la media y la varianza
poblacionales. Si la media muestral dentro de este intervalo, podemos aceptar la
conclusin de que la muestra aleatoria procede de la poblacin que tiene la media
y la varianza poblacionales conocidas. (Paul Newbold, 2008)

En estadstica, la probabilidad que asociamos con una estimacin de intervalo se

conoce como nivel de confianza. Esta probabilidad indica qu tanta confianza
tenemos de que la estimacin de intervalo incluya al parmetro de poblacin. Una
probabilidad ms alta implica una mayor confianza. En la estimacin, los niveles
de confianza que se utilizan con ms frecuencia son 90, 95 y 99%, pero somos
libres de aplicar cualquier nivel de confianza.

El intervalo de confianza es el rango de la estimacin que estamos haciendo.

Si informamos que tenemos el 90% de confianza de que la media de la poblacin
de ingresos de las personas que viven en una cierta comunidad est entre $8,000
y $24,000, entonces el rango $8,000-$24,000 es nuestro intervalo de confianza. A
menudo, sin embargo, expresaremos el intervalo de confianza en trminos de
errores estndar, ms que con valores numricos. (Rubn, 2004)
As, expresaremos los intervalos de confianza de esta forma: x 1,64 x , donde:

x + 1,64 x =lmite superior delintervalo de confianza

x 1,64 x =lmite inferior del intervalode confianza

Entonces, los lmites de confianza son los lmites superior e inferior del intervalo
de confianza.

Ejemplo con estadstico t

Los precios de la gasolina experimentaron una vertiginosa subida en los primeros

aos de este siglo. Supongamos que se ha realizado recientemente un estudio
con camioneros que tenan ms o menos el mismo nmero de aos de
experiencia para comprobar el comportamiento de 24 camiones de un
determinado modelo en la misma autopista. Estime la media poblacional del
consumo de combustible de este modelo de camin con una confianza del 90%
suponiendo que el consumo de combustible, en millas por galn de estos 24
camiones es

Solucin

Calculando la media y la desviacin tpica, tenemos que

x =18,6 8

s=1,6952 6

t n1, / 2=t 23,0,05 =1,71 4

 s 1,69526
x t n1, / 2 =18,68 t 23,0,05 =18,68 0,5930
n 24

Por lo tanto, el intervalo de confianza es 18,1< <19,3

Ejemplo con estadstico z

Un proceso produce bolsas de azcar refinado. El peso del contenido de estas

bolsas sigue una distribucin normal que tiene una desviacin tpica de 12
gramos. El contenido de una muestra aleatoria de 25 bolsas tiene un peso medio
de 198 gramos. Halle el lmite superior de confianza y el inferior de confianza al
99% del verdadero peso medio de todas las bolsas de azcar producidas por el
proceso.

Solucin

En el caso del intervalo de confianza al 99%, el factor de fiabilidad es

Z 0,005=2,58

Y con la media muestral de 198, n =25, y una desviacin tpica de 12, los lmites
de confianza son

12
LSC =x + z /2 =198+2,58 =204,2
n 25

12
LSC =x z / 2 =1982,58 =191,8
n 25

Ejemplo para proporciones

La direccin quiere una estimacin de la proporcin de los empleados de la
empresa que es partidaria de un plan de pluses modificado. Se ha observado que,
en una muestra aleatoria de 344 empleados, 261 estn a favor de este plan. Halle
una estimacin del intervalo de confianza al 90% de la verdadera proporcin de la
poblacin que es partidaria de este plan modificado.

Solucin

Si P representa la verdadera proporcin de la poblacin y ^p la proporcin

muestral, los intervalos de confianza de la proporcin de la poblacin se obtienen

por medio de la siguiente ecuacin:

^pz /2
^p (1 ^p )
n
< P< ^p + z /2
^p (1 ^p )
n

Donde, en el caso de un intervalo de confianza al 90 por ciento, =0,10 por lo

que a partir de la distribucin normal estndar,

/2=0,05 y z /2=z 0,05=1,645

Se deduce que

n=34 4

261
^p= =0,759
344

z / 2=1,64 5

Por lo tanto, el intervalo de confianza de la proporcin de la poblacin al 90 por

ciento es

0,7591,645
(0,759)(0,241)
344
< P<0,759+1,6451,645
(0,759)(0,241)
344
0,721< P<0,797
 4. Pruebas estadsticas bsicas (mediante la generacin de 30 nmeros
pseudoaleatorios con cualquiera de los algoritmos determine si se
aceptan las pruebas de medias, de varianza, de uniformidad y de
independencia

Primero que todo se hallan los 30 nmeros pseudoaleatorios mediante el mtodo

de cuadrados medios. A continuacin, se muestran los resultados.

Mtodo de cuadrados medios

n X X^2 Xn+1 ri
1 445 198025 9802 0,9802
2 9802 96079204 6079 0,6079
3 6079 36954241 6954 0,6954
4 6954 48358116 8358 0,8358
5 8358 69856164 9856 0,9856
6 9856 97140736 7140 0,714
7 7140 50979600 0979 0,0979
8 0979 958441 5844 0,5844
9 5844 34152336 4152 0,4152
10 4152 17239104 7239 0,7239
11 7239 52403121 2403 0,2403
12 2403 5774409 7744 0,7744
13 7744 59969536 9969 0,9969
14 9969 99380961 9380 0,938
15 9380 87984400 7984 0,7984
16 7984 63744256 3744 0,3744
17 3744 14017536 4017 0,4017
18 4017 16136289 6136 0,6136
19 6136 37650496 7650 0,765
20 7650 58522500 8522 0,8522
21 8522 72624484 2624 0,2624
22 2624 6885376 8853 0,8853
23 8853 78375609 8375 0,8375
24 8375 70140625 0140 0,014
25 0140 19600 9600 0,96
26 9600 92160000 2160 0,216
27 2160 4665600 6656 0,6656
28 6656 44302336 4302 0,4302
29 4302 18507204 8507 0,8507
30 8507 72369049 2369 0,2369
Calculamos la media, la varianza y la desviacin

Media = 0,63
Varianza
= 0,08
Desviaci
n= 0,28

Ahora realizamos la prueba para la media, con un nivel de confianza del 95% y un
nivel de significancia del 5%

x =0,6 3

n=3 0

Nivel de confianza=95

=0,05

H 0: =0. 5

H 1 : 0.5

x
Z=
/n

0,630,5
Z= =
0,28/ 30

Z =2,54 A (0,4945)

En la grfica se puede observar que este valor queda en la zona de rechaza, por

lo tanto, se rechaza la hiptesis nula H 0: =0. 5

Prueba de varianza

2 2

H 0: 2
= =1
0 0,0 8

2
H 1: 1
0,0 8

=0,05

La muestra es aleatoria

La poblacin es normal

x2 s2
=
v 0,0 8

v =n1=301=29

2
x
( ) =0,547
v 0,025

2
x
( ) =1,59
v 0,975

x2 s2 0,0 82
= = =1,03
v 0,0064 0,0 8
 0547<1,03<1,59, se sita en la zona de aceptacin; se puede afirmar al nivel del

5% que la varianza de la muestra, puede corresponder a una poblacin cuya

varianza es 0,08
Bibliografa
Bencardino, C. M. (1997). Estadstica y muestreo. Santa Fe de Bogot: Eco
ediciones.
Paul Newbold, W. L. (2008). Estadistica para administracin y economa.
Madrid: PEARSON PRENTICE HALL.
Rubn, D. (2004). Estadstica para administracin y economa. Mxico:
PEARSON.