Académique Documents
Professionnel Documents
Culture Documents
INTRODUCCIN______________________________________________
En este math-block titulado "Variables aleatorias discretas" se describen algunas de las variables aleatorias, creemos que las ms aplicacin tienen en el mbito del mtodo MonteCarlo, y la forma en que pueden ser tanto analizadas (tabular y grficamente) como simuladas a travs de Excel. Para cada una de las v.a. presentadas se muestra: una pequea descripcin de las aplicaciones que pueden encontrarse en la literatura, la funcin de probabilidad y distribucin, sus estadsticos principales y sus propiedades tericas, fundamentalmente respecto a otras variables aleatorias con las que pudieran estar relacionadas. Para cada una de ellas se presenta un mtodo de generacin de muestras aleatorias. El lector notar que se ha hecho un esfuerzo por evitar que los mecanismos de generacin se basen, contrario a lo que es habitual, en cdigo VBA. Varias son las razones que nos han movido a ello, en primer lugar evitar la aparicin, inevitable, de las macros que contuvieran dicho cdigo y que, quermoslo o no, arrojan siempre una sombra de amenaza para la integridad de nuestros ordenadores; en segundo lugar para reivindicar la capacidad de Excel - de las funciones propias de la hoja - para realizar tareas de mediana complejidad a espaldas de un cdigo que, aunque sumamente inteligible, implica en cualquier caso un aparato inevitable no siempre bien asumido por el usuario final. Finalmente, la generacin de v.a. a travs de cdigo VBA, o de cualquier otro lenguaje de programacin, est lo suficientemente bien tratada en la literatura como para que el lector que prefiera la utilizacin de mtodos diferentes a los aqu expuestos no tenga ningn dificultad para encontrar informacin profusamente desarrollada.
OBJETIVOS
Presentar al estudiante los conceptos bsicos de las variables aleatorias discretas y proporcionar una herramienta, basada en Excel, para su anlisis y simulacin.
_________________
__
_________________
__
Este math-block es complementario del titulado Variables aleatorias continuas con el que, como es lgico, comparte muchas caractersticas. Este documento hace mencin a una serie de hojas de clculo con las que se complementa (Binomial.xls ; BinNeg.xls ; Geometrica.xls ; Hipergeo.xls ; Poisson.xls ; UniDisc.xls ).
NDICE
_________________
__
Binomial ......................................................................................................................... 2 Binomial Negativa ........................................................................................................... 3 Geomtrica ..................................................................................................................... 4 Hipergeomtrica ............................................................................................................. 6 Poisson .......................................................................................................................... 8 Uniforme (Discreta)......................................................................................................... 9 Anexo 1 Hoja Patrn para las variables aleatorias discretas. ............................................ 11 Anexo 2 Procedimiento genrico para la generacin de variables discretas. ...................... 14 Anexo 3 Procedimiento genrico de estimacin de parmetros. ....................................... 19 BIBLIOGRAFA.............................................................................................................. 21
Binomial
Usos. Una v.a. Binomial representa el nmero de xitos que ocurren en n repeticiones independientes de un ensayo de Bernouilli cuya probabilidad de xito es p. As, se distribuyen de esta forma magnitudes como el nmero de piezas defectuosas en un lote de tamao n (moderado) cuando cada pieza tiene una probabilidad p de ser defectuosa; el tamao de un conjunto si ste es aleatorio y no demasiado grande; el nmero de artculos demandados en un almacn; el nmero de encuestados que estn a favor de determinada cuestin y un cuantioso etctera. Notacin y parmetros. La notacin habitual es XB(n,p). Probabilidad y Distribucin. La funcin de probabilidad es:
p( x ) =
La funcin de distribucin es: F(x) = Estadsticos.
X
n n p (1 p)1 X X
n
i=0
i p X (1 p)1 X
La media y varianza son (respectivamente): np ; np(1 p) Propiedades. Si (X1,X2,..Xm) B(ni,p) entonces (X1+X2+..+Xm)B(n1+n2+..nm,p); si XB(n,p) entonces la variable (n-X)B(n,1-p). La distribucin es simtrica slo si p=1/2 Generacin. Puesto que Excel cuenta con una funcin para la inversa de la funcin de distribucin, la generacin de variables aleatorias puede hacerse directamente por inversin utilizando la frmula siguiente: =BINOM.CRIT(n;p;ALEATORIO()) Caracterizacin. Vase el Anexo 3 Procedimiento genrico de estimacin de parmetros. Hoja de clculo. El fichero Binomial.xls es una plantilla para la generacin y anlisis de la distribucin Binomial en Excel as como para la estimacin de parmetros a partir de una muestra aleatoria. Su aspecto es el siguiente:
A1:A300
Estadsticos Tericos Muestra 12 12 20,10 20,02 20 27 28 6,6 7,9 Bondad del generador 2 22,4901 GL 16 p.valor 0,0956
Binomial Negativa
Usos. Una v.a. Binomial negativa representa el nmero de fracasos que ocurren hasta obtener el nsimo xito en la realizacin de ensayos de Bernouilli con probabilidad p de xito. As, el nmero de artculos examinados de un lote hasta que aparece el n-simo defectuoso; el nmero de candidatos a entrevistar cuando se quiere formar un equipo de n personas idneas para un puesto de trabajo; el nmero de melocotones que un cliente exigente manipula antes de conseguir un kilo de ellos que satisfagan sus criterios; etc. Notacin y parmetros. La notacin habitual es XNegBin(n,p) o, a veces, BN(n,p). Probabilidad y Distribucin. La funcin de probabilidad es: n + X 1 X p (1 p)X p(x) = X La funcin de distribucin es: F(x) = Estadsticos. La media y varianza son respectivamente. n(1 p) ; p n(1 p) p2
i= X i=0
12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
BINOM.CRIT(n;p;ALEATORIO())
Algoritmo de generacin
n + i 1 n p (1 p)i i
A1:A300
Estadsticos Tericos Muestra 0 1 8 8 7 21 16,79 15,48 Bondad del generador 2 30,3827 GL 26 p.valor 0,2103
Algoritmo de generacin
10
14
16
18
20
22
Geomtrica
Usos. Una v.a. Geomtrica representa el nmero de fracasos que ocurren hasta obtener el primer xito en la realizacin de ensayos de Bernouilli con probabilidad p de xito. As, el nmero de artculos examinados de un lote hasta que aparece el primer defectuoso; el nmero de
1
Por composicin siguiendo una conocida propiedad de la distribucin BN, vase por ejemplo [3].
24
p(x) = p (1 p)X
La funcin de distribucin es:
F(x) = 1 (1 p)x +1
Estadsticos. La media y varianza son respectivamente. (1 p) ; p Propiedades. La primera propiedad es evidente: se trata de una particularizacin de la binomial negativa, es decir, se verifica que BN(1,p) Geom(p). Si (X1,X2,..Xm)G(p) entonces (X1+X2+..+Xm)BN(m,p). Es el equivalente discreto de la Exponencial en el sentido de que es la nica distribucin discreta que "no guarda memoria" ya que el nmero de fallos ocurridos hasta un instante dado no modifica la probabilidad de que el prximo intento sea un xito. Generacin. Excel no cuenta con una funcin para la distribucin y probabilidad de la distribucin Geomtrica, sin embargo es fcil generar muestras aleatorias por inversin de la funcin de Distribucin utilizando la frmula siguiente REDONDEAR.MENOS(LN(ALEATORIO())/LN(1-p);0) Caracterizacin. Es trivial ya que se verifica que: p= Hoja de clculo. El fichero Geometrica.xls es una plantilla para la generacin y anlisis de esta distribucin: 1 X (n) + 1 (1 p) p2
Muestra 300
A1:A300
Estadsticos Tericos Muestra 0 0 2,23 2,24 0 0 0 14 7,18 8,16 Bondad del generador 2 37,8075 GL 1 p.valor 0,0041
Hipergeomtrica
Usos. Una v.a. Hipergeomtrica representa el nmero de xitos que ocurrirn cuando de una poblacin en la que hay N objetos cuya eleccin se considera (arbitrariamente) un xito y M-N objetos fracaso, se extrae una muestra, sin repeticin, de tamao n. Es importante notar que el muestreo se hace sin repeticin, es decir sin devolver los objetos al seno de la poblacin antes de cada ensayo, ya que esta caracterstica es la nica que diferencia esta distribucin de la distribucin binomial. Se distribuyen segn una Hipergeomtrica magnitudes tales como el nmero de hombres (o de mujeres) que incluye una seleccin al azar de un grupo en el que ambos gneros estn presentes, el nmero de temas estudiados por un opositor que ha decidido estudiar slo unos cuantos del temario de su oposicin cuando el examen consta de varios temas, etc. Notacin y parmetros. La notacin habitual es XHiperGeom(n,N,M) o tambin XH(n,N,M). Todos los parmetros deben ser lgicamente positivos y representan: n el tamao de la muestra extrada; N el nmero de xitos que contiene la poblacin; M el nmero total de elementos de la poblacin. Probabilidad y Distribucin. La funcin de probabilidad es: M N M X n X p(x) = N n F(x) = M N M 1 N i = 0 i n i n
i= X
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
REDONDEAR.MENOS(LN(aleatorio())/LN(1-p);0)
Algoritmo de generacin
M N n nM 1 N N 1 N
Hoja de clculo. El fichero Hipergeo.xls es una plantilla para la generacin y anlisis de esta distribucin:
0,3 X 0 1 2 3 0,3 4 5 6 7 8 0,2 9 10 11 12 13 0,214 15 16 17 18 19 0,120 21 #N/A #N/A #N/A 0,1 #N/A #N/A #N/A #N/A #N/A 0,0 #N/A #N/A #N/A Den 0,00000 0,00000 0,00000 0,00000 0,00001 0,00008 0,00066 0,00375 0,01533 0,04599 0,10248 0,17081 0,21351 0,19998 0,13967 0,07204 0,02702 0,00719 0,00131 0,00015 0,00001 0,00000 #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A n 0 0 0 0 0 0 1 1 4 12 32 47 74 50 39 29 8 3 0 0 0 0 #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A f1_s 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0033 0,0033 0,0133 0,0400 0,1067 0,1567 0,2467 0,1667 0,1300 0,0967 0,0267 0,0100 0,0000 0,0000 0,0000 0,0000 #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A f3_s 0,0 0,0 0,0 0,0 0,0 0,0 0,2 1,1 4,6 13,8 30,7 51,2 64,1 60,0 41,9 21,6 8,1 2,2 0,4 0,0 0,0 0,0 #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A #N/A HIPERGEOMETRICA (a,b,c) Muestra (a) 21 21 xitos (b) 35 35 Total (c) 60 60 Muestra 300 0 21
A1:A300
Estadsticos Tericos Muestra 0 6 12 12 12 21 17 3,37 3,51 Bondad del generador 2 10,6794 GL 22 p.valor 0,9687 Algoritmo de generacin (Ver Documento)
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
CO I DI A LEA TO R I (; NCI R( O )1-PRO BABI DAD( LA (NDI LI FI I RECTO ( A1: "& $J$5+1)" A ) 1; STR. PERG EO M ( LA (NDI DI HI FI I RECTO ( A1: "& $J$5+1)" A ) 1; $J$5; $J$8; $J$11)FI (NDI ; LA I RECTO ( A1: "& $J$5+1)-1; " A ) $J$5+1)1) ; -1
Poisson
Usos. Una v.a. de Poisson es en realidad una v.a. Binomial llevada al lmite, es decir cuando n (aunque basta con que sea suficientemente grande) y p0 (aunque basta con que sea suficientemente pequeo). En general cualquier suceso "raro" puede ser perfectamente modelizado por un v.a. de Poisson, ejemplos tpicos son el nmero de remaches defectuosos en un avin (porque un avin puede llegar a tener varios millones de ellos y al ser un mecanismo tan simple es realmente difcil que sea defectuoso); el nmero de erratas en un libro (que contiene un gran nmero de palabras que difcilmente estn mal escritas); el nmero de llegadas a un servicio ( o de llamadas a un callcenter) si la distribucin entre los tiempos es exponencial; el nmero de accidentes laborales en un mes en una gran empresa; el nmero de personas que entran en un supermercado en un minuto; el nmero de personas residentes en una gran ciudad que en un da sufren un infarto; etc. Notacin y parmetros. La notacin habitual es XPoisson(). El nico parmetro debe ser positivo >0. Probabilidad y Distribucin. La funcin de probabilidad es: p(x) = La funcin de distribucin es: F(x) = e Estadsticos. La media y varianza coinciden en el nico parmetro . Propiedades. Si (X1,X2,..Xm) Poisson(i) entonces (X1+X2+..+Xm)Poisson(1+ 2+.. m). Generacin. Excel cuenta con una funcin para la distribucin y probabilidad de Poisson, cuenta tambin con la posibilidad de obtener muestras aleatorias as distribuidas (Herramientas + Anlisis de Datos + Generacin de nmeros aleatorios). En cualquier caso es posible obtener nmeros aleatorios que se distribuyan segn una Poisson de parmetro , utilizando la frmula siguiente: BINOM.CRIT(/0,001;0,001;ALEATORIO()) Caracterizacin. El parmetro puede ser estimado fcilmente de la forma siguiente: = x (n) Hoja de clculo. El fichero Poisson.xls es una plantilla para la generacin y anlisis de esta distribucin:
i= X i=0
e X x!
i!
0 17
A1:A930
Estadsticos Tericos Muestra 0 1 6,90 6,99 6 17 15 6,9 6,88 Bondad del generador 2 23,2976 GL 17 p.valor 0,1060
BINOM.CRIT($J$6/0,001;0,001;ALEATORIO())
Algoritmo de generacin
Uniforme (Discreta)
Usos. Esta v.a. es el equivalente discreto de la de mismo nombre dentro de las distribuciones continuas. Se utiliza cuando un conjunto de posibles resultados es igualmente probable: el nmero de veces que aparecer cada una de las caras de un dado regular; el dgito final de los nmeros premiados en la lotera, etc. Notacin y parmetros. La notacin habitual es XUD(a,b). Se verifica que a X b y a < b. Probabilidad y Distribucin. La funcin de probabilidad es:
p( x ) =
1 a b +1
x = {a, a + 1, a + 2,....,b 2, b 1, b}
F(x) = X a+1 a b +1
Estadsticos. La media y varianza son: a+b 2 Generacin. Excel cuenta con una funcin directa para generar muestras aleatorias as distribuidas ALEATORIO.ENTRE(a;b) ; (a b + 1)2 1 12
a = min { X (n) }
Hoja de clculo.
; b = max { X (n) }
A1:A300
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
10
POISSON( ) 0 17
A1:A930
Estadsticos Tericos Muestra 0 1 6,90 6,97 6 17 15 6,9 7,20 Bondad del generador 2 19,1476 GL 17 p.valor 0,2611
BINOM.CRIT($J$6/0,001;0,001;ALEATORIO())
Algoritmo de generacin
Parmetros y Auxiliares. En esta zona se indica el nombre comn, no abreviado, de la variable aleatoria, sus parmetros, as como un control que permite al usuario variar tanto el valor de los parmetros como el tamao de la muestra aleatoria que se generar.
POISSON( ) Parmetro(s) 6,90 138 Muestra 930
0 17
A1:A930
11
Muestra
Mnimo
Se controla por formulario, el valor mximo es 300 que puede ser modificado en las propiedades del selector. En realidad se trata del valor crtico para el 1% o el 5%. Calculado utilizando bien el algoritmo de generacin con un U forzado al valor correspondiente (0,01 o 0,99), bien utilizando la funcin de distribucin inversa cuando existe para esos mismo valores Id al anterior. Colocaremos la muestra siempre en la primera columna de manera que su direccin ser ="A1:A" & Muestra
Comparacin de los estadsticos. Se calculan tanto los estadsticos tericos de la distribucin para los parmetros elegidos como los observados en la muestra generada. Esta comparacin se hace nicamente a efectos informativos y no tiene ningn valor de contraste de hiptesis. Es necesario adecuar para cada v.a. los estadsticos tericos empleados, los muestrales se construyen con las funciones de Excel aplicadas al rango de datos simulados.
Estadsticos Tericos Muestra -116,81 Mnimo -7,00 3,88 Media 0,00 1053,49 Mximo 7,00 Varianza
Anlisis de la bondad del generador. Se realiza una prueba de bondad del ajuste de la muestra obtenida, a travs del algoritmo de generacin propuesto, a la distribucin terica esperada. Los resultados que se muestran son: valor del estadstico (2), grados de libertad (GL), probabilidad asociada a la hiptesis nula (p.valor) de ajuste a la distribucin especificada.
Resultados de la prueba de bondad del ajuste de la muestra obtenida a la distribucin terica
Algoritmo de generacin de la v.a. Se describe la sintaxis del algoritmo empleado en la generacin de la muestra aleatoria en trminos de las funciones de Excel.
BINOM.CRIT($J$6/0,001;0,001;ALEATORIO())
Algoritmo de generacin
12
Grficos Funcin de probabilidad de la v.a. e histograma de los datos simulados. Los rangos son X vs Den para la probabilidad de la v.a. y X vs f1_s para el histograma segn los nombres descritos en el siguiente epgrafe.
Tabla Oculta tras los grficos se encuentran la tabla en las que se realizan los clculos que permiten la representacin grfica tanto de la variable aleatoria terica como de la muestra simulada. La descripcin de los epgrafes de la tabla y del contenido a los que stos se refieren es la siguiente:
X Rango de la v.a.
Den
Probabilidad de la v.a.
Frecuencia absoluta de la muestra en ni funcin de los valores de X f1_s Probabilidad de la muestra Frecuencia absoluta terica
f3_s
El primer valor es Mnimo + Delta, los dems se calculan como L(-1)C + Delta Funcin de probabilidad terica evaluada en cada punto de X. Se utilizan las funciones de Excel cuando stas existen o bien se construye la frmula manualmente Nmero de observaciones de la muestra en cada clase de X. Es matricial. ={SUMA(SI(INDIRECTO(Indirecto)=X;1;0 ))} Para cada clase, se calcula dividiendo la frecuencia absoluta de la clase entre el tamao de la muestra. Es necesaria para el clculo del estadstico 2 que se usa para comprobar la bondad del mtodo de generacin.
Todas las hojas tienen definidos una serie de nombres que permiten, adaptando en cada momento el rango horizontal del grfico al dominio ms probable (99,9%) de la variable aleatoria segn la configuracin de parmetros elegida por el usuario realizar, el grfico a partir de la tabla de datos. Estos nombres3 y su significado son los siguientes:
U X Den n f1_s f3_s =ALEATORIO() =DESREF(BinNeg!$B$3;1;1;1+BinNeg!$L$5-BinNeg!$L$4;1) =DESREF(BinNeg!$B$3;1;2;1+BinNeg!$L$5-BinNeg!$L$4;1) =DESREF(BinNeg!$B$3;1;3;1+BinNeg!$L$5-BinNeg!$L$4;1) =DESREF(BinNeg!$B$3;1;4;1+BinNeg!$L$5-BinNeg!$L$4;1) =DESREF(BinNeg!$B$3;1;5;1+BinNeg!$L$5-BinNeg!$L$4;1)
Ntese que los rangos aparecen precedidos siempre del nombre de la hoja, en este caso BinNeg!.
13
Pi = 1
i
Excel cuenta con un mecanismo para la generacin de variables aleatorias cuya distribucin se especifica de esta forma, supongamos que queremos generar muestras de la variable X definida de la forma siguiente: X = {A, B, C,...., O, P} con probabilidades {0.0071651,...,0.031153} (vese la tabla) Lo primero que debemos tener en cuenta es que Excel no admite valores no numricos en el dominio de X de manera que ser necesario sustituirlos por los enteros naturales, hecho esto invocamos el mdulo 4 de Generacin de v.a. en la forma: Herramientas + Anlisis de Datos + Generacin de nmeros aleatorios". Hecho esto obtendremos un formulario en el que deberemos elegir la opcin adecuada, en este caso la opcin Discreta.
B C D E F G H I J K L M N O P
0,077882 0,077882 0,077882 0,062305 0,062305 0,062305 0,062305 0,062305 0,130841 0,031153 0,031153 0,034268 0,093458 0,031153 0,031153
Esta opcin est "caracterizada por un valor y el rango de probabilidades asociado. El rango debe contener dos columnas. La columna izquierda deber contener valores y la derecha probabilidades asociadas con el valor de esa fila. La suma de las probabilidades deber ser 1".
La "cumplimentacin" del formulario podra ser como la descrita en esta pgina. Una vez obtenidos los valores, bastara con utilizar las funciones de Excel para recuperar los valores reales de la variable a partir de los cdigos numricos obtenidos.
14
Por comodidad asignemos tambin el nombre U a la frmula simple =ALEATORIO(), y notemos que al asignar al nombre Sec la frmula =FILA(INDIRECTO("A1:A"& FILAS(P))) acabamos de crear un vector (columna) que contiene los n primeros nmeros naturales siendo n la longitud de nuestro vector de probabilidades.
15
Tambin contiene una hoja que permite la generacin de una variable aleatoria especificada por el usuario. En la parte superior aparecen los controles que permiten indicar el nmero de puntos que tendr la variable y el tamao de la muestra que se desea generar.
Puntos 16 321 Tamao 215
Una vez elegidos los puntos de la variable el usuario puede introducir los valores de P, bien directamente, bien a travs de pesos asociados a los diferentes puntos.
16
El resultado final incluye: la distribucin de frecuencias tericas inducida por los pesos elegidos por el usuario , Prob F(x), las frecuencias absolutas empricas (Em) y terica (Te), el resultado de la prueba de bondad del ajuste y un grfico de la distribucin de la muestra generada, los propios valores que componen la muestra generada tanto en trminos de los valores numricos como de los rtulos a stos asociados.
FRMULA Puntos 16 321 Rtulos A B C D E F G H I J K L M N O P Tamao 215
(6,7)
Em Te X Pesos Prob F(x) 0 23 0,07165 0,00000 21 15,40 1 25 0,07788 0,07165 12 16,74 2 25 0,07788 0,14953 25 16,74 3 25 0,07788 0,22741 17 16,74 4 20 0,06231 0,30530 15 13,40 5 20 0,06231 0,36760 11 13,40 6 20 0,06231 0,42991 8 13,40 7 20 0,06231 0,49221 8 13,40 8 20 0,06231 0,55452 8 13,40 9 42 0,13084 0,61682 21 28,13 10 10 0,03115 0,74766 10 6,70 11 10 0,03115 0,77882 7 6,70 12 11 0,03427 0,80997 8 7,37 13 30 0,09346 0,84424 24 20,09 14 10 0,03115 0,93769 10 6,70 15 10 0,03115 0,96885 10 6,70 12 10 10 10 10 10 10 10 10 57
25
N J
K G H I L M
O P
Muestra 12 M 5 F 9 J 14 O 10 K 3 D 5 F 6 G 3 D 6 G 5 F 13 N 13 N 7 H 9 J 9 J 13 N 1 B 4 E 5 F 5 F 1 B
17
18
= x (n)
Sin embargo, la caracterizacin no es siempre una tarea tan sencilla. Consideremos por ejemplo el problema de la estimacin mximo verosmil de los parmetros n y p de una distribucin binomial de la que slo contamos con una muestra aleatoria de tamao N. La teora [6] nos dice que las estimaciones de ambos parmetros son aquellos valores que maximizan la funcin: M g(n,p) = fk Ln(n k + 1) + [N n Ln(1 p)] + k =1
1 N X (N)Ln 1 p
siendo M = max {1 i N} X i y fk (k = 0,1,...M) el nmero de observaciones de la muestra que son menores o iguales que k y sometido a la restriccin de que t {M, M+1, M+2,.....} lo cual dificulta enormemente el clculo de g(n,p).
Sin embargo un procedimiento para aproximar los valores de n y p puede consistir, simplemente, en elegir aquellos valores que minimicen (o maximicen) un determinado criterio. Por ejemplo, elegir los valores n,p que hagan mnima la discrepancia entre las frecuencias absolutas de la muestra y las que cabra esperar bajo la combinacin de parmetros elegida, es decir: n, p = min con : Dn,p 0 < p <1 i n{M,M +1,..} = NE Nn,p i i
NiE Nin,p
= Las frecuencias absolutas para i {0,1,2,..M} en la muestra, = Las frecuencias absolutas deducidas de la binomial de parmetros n,p es decir: Nn,p = i
j=0
j p X (1 p)1 X
Dn,p i =
j=i
En principio parecera lgico aprovechar las ventajas de Excel y elegir un criterio del tipo: n, p = min
(N
E i
Nn,p i
Nn,p i
es decir elegir el par n,p que minimice la discrepancia en el sentido de la prueba 2, sin embargo, el hecho de que Excel devuelva #NAs cuando algn Nin,p es nulo hace complicada la ejecucin de este criterio. El fichero Binomial.xls contiene una segunda hoja en la que se ha implementado el procedimiento de estimacin anterior. La hoja contiene una tabla en la en las filas se ha discretizado el dominio de p en intervalos de longitud 0,025 y las columnas corresponden a los primeros valores de la secuencia {M, M+1, M+2,.....} siendo M = max {1i N} X i . En cada celda, correspondiente al valor de la discrepancia para el valor candidato de p (filas) y el valor candidato de n (columnas), se calcula la discrepancia: Dn,p = NE Nn,p i i i
19
Mediante formato condicional se indican los pares de valores n,p que son menores al 110% de la mnima discrepancia encontrada, en este caso (la figura muestra slo una parte de la hoja) los valores candidatos seran {(n=16;p=0,15) ; (18n=20;p=0,125) ; (22n=25;p=0,100); .....}.
0,101 0,000 0,025 0,050 0,075 0,100 0,125 0,150 0,175 0,200 0,225 0,250 0,275 0,300 0,325 0,350 0,375 16 1,000 0,667 0,440 0,287 0,185 0,118 0,092 0,121 0,139 0,150 0,157 0,161 0,163 0,165 0,166 0,166 17 1,000 0,650 0,418 0,266 0,167 0,103 0,104 0,129 0,144 0,154 0,159 0,162 0,164 0,165 0,166 0,166 18 1,000 0,634 0,397 0,246 0,150 0,090 0,113 0,135 0,149 0,156 0,161 0,164 0,165 0,166 0,166 0,166 19 1,000 0,618 0,377 0,227 0,135 0,088 0,121 0,141 0,152 0,159 0,162 0,164 0,166 0,166 0,166 0,167 20 1,000 0,603 0,358 0,210 0,122 0,097 0,128 0,145 0,155 0,161 0,163 0,165 0,166 0,166 0,166 0,167 21 1,000 0,588 0,341 0,195 0,109 0,106 0,134 0,149 0,157 0,162 0,164 0,165 0,166 0,166 0,167 0,167 22 1,000 0,573 0,324 0,180 0,098 0,114 0,139 0,152 0,159 0,163 0,165 0,166 0,166 0,166 0,167 0,167 23 1,000 0,559 0,307 0,166 0,089 0,120 0,143 0,155 0,161 0,164 0,165 0,166 0,166 0,167 0,167 0,167 24 1,000 0,545 0,292 0,154 0,087 0,126 0,146 0,157 0,162 0,164 0,166 0,166 0,166 0,167 0,167 0,167 25 26 Discrepancia<110% mnima 1,000 1,000 0,531 0,518 0,277 0,264 0,142 0,132 0,095 0,102 0,131 0,136 0,149 0,152 0,159 0,160 0,163 0,164 0,165 0,165 0,166 0,166 0,166 0,166 0,167 0,167 0,167 0,167 0,167 0,167 0,167 0,167
Pares candidatos
20
BIBLIOGRAFA
[1]. [2]. [3]. [4]. [5]. [6]. [7]. [8]. [9]. [10]. [11]. [12]. [13]. [14]. [15]. [16]. Bennet B.S "Simulation Fundamentals", Prentice Hall (1995). Bratley, P., Fox, B. y Schrage, L. "A Guide to Simulation", Springer. (1987) Fishman, G.S. "Monte Carlo: Concepts, Algorithms and Applications", Springer (3rd ed.) (1999). Gordon G. "System Simulation" Editorial Prentice-Hall (1978). Kleijnen, J. y Van Groenendaal, W. "Simulation: A Statistical Perspective", Wiley(1992). Law A. M., W. D. Kelton "Simulation Modeling & Analysis" Ed. McGraw-Hill (1984). MacDougall M.H."Simulating Computer Systems Techniques and Tools" MIT Press (1987). Motwani y Ragharan "Randomized Algorithms", Cambridge U.P (1995). Neelamkavil, F. "Computer Simulation and Modelling", Wiley (1988). P. Bratley, B. L. Fox, L. E. Schrage "A Guide to Simulation" Springer-Verlag (1987). Raj Jain "The Art of Computer Systems Performance Analysis" Ed. Wiley (1991). Ros Insua et al. "Simulacin mtodos y aplicaciones" Ed. Ra-Ma, Madrid (1997) Ripley, B. "Stochastic Simulation", Wiley (1987). Ross, S. "A Course in Simulation", MacMillan (1990). Thompson, J.R. "Simulation: A modelers Approach". John Wiley, 2000. Ziegler, B. "Theory of Modelling and Simulation", Wiley (1976).
21