Variables aleatorias discretas

VARIABLES ALEATORIAS DISCRETAS

Autores: Rafael Garca Martn (rgarciamart@uoc.edu), Francisco J. Fauln Fajardo (ffaulin@uoc.edu).

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.

_________________

__

RELACIN CON OTROS DOCUMENTOS

_________________

__

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

Proyecto e-Math Financiado por la Secretara de Estado de Educacin y Universidades (MECD)

Variables aleatorias discretas

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:

Proyecto e-Math Financiado por la Secretara de Estado de Educacin y Universidades (MECD)

Variables aleatorias discretas

0,20 X 0 0,18 1 2 3 0,16 4 5 0,14 6 7 8 0,12 9 10 11 0,10 12 13 0,08 14 15 16 0,06 17 18 0,04 19 20 21 0,02 22 23 0,00 24 25 26 Den 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000001 0,000006 0,000030 0,000128 0,000474 0,001525 0,004286 0,010566 0,022882 0,043554 0,072822 0,106781 0,136925 0,152900 0,147826 0,122781 0,086707 0,051345 0,025019 0,009769 n 0 0 0 0 0 0 0 0 0 0 0 0 1 0 7 9 20 18 31 36 53 38 28 23 20 9 6 f1_s 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,003333 0,000000 0,023333 0,030000 0,066667 0,060000 0,103333 0,120000 0,176667 0,126667 0,093333 0,076667 0,066667 0,030000 0,020000 f3_s 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,1 0,5 1,3 3,2 6,9 13,1 21,8 32,0 41,1 45,9 44,3 36,8 26,0 15,4 7,5 2,9 BINOMIAL(n,p) Ensayos (n) 30 Pr. xito (p) 67 0,67 Muestra 300 12 27

A1:A300

Mnimo Media Moda Mximo Varianza

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

Proyecto e-Math Financiado por la Secretara de Estado de Educacin y Universidades (MECD)

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

Variables aleatorias discretas

Propiedades. Si (X1,X2,..Xm)BN(ni) entonces (X1+X2+..+Xm)BN(n1+ n 2+.. n m). Tambin es conocida como distribucin de Pascal o distribucin de Polya. Se verifica que BN(1,p) Geom(p). Generacin. Excel cuenta con una funcin para la distribucin y probabilidad de la Binomial Negativa aunque no con la inversa de la distribucin. No cuenta tampoco con la posibilidad de obtener muestras aleatorias a partir del mdulo de Anlisis de Datos + Generacin de nmeros aleatorios. En cualquier caso es posible obtener nmeros que se distribuyan segn una esta distribucin utilizando la frmula siguiente1: BINOM.CRIT(DISTR.GAMMA.INV(U;n;(1-p)/p)/; ;;U) ; siendo un nmero suficientemente pequeo (obtendremos buenos resultados con = 0,0001) y U la Uniforme (0;1), es decir U = ALEATORIO(). Hoja de clculo. El fichero BinNeg.xls es una plantilla para la generacin y anlisis de esta distribucin:
45,0 X 0 1 2 40,0 3 4 5 35,0 6 7 8 9 30,0 10 11 12 25,0 13 14 15 16 20,0 17 18 19 15,0 20 21 22 23 10,0 24 25 #N/A 5,0 #N/A #N/A #N/A 0,0 #N/A #N/A #N/A Den 0,00507 0,01880 0,03985 0,06336 0,08395 0,09788 0,10376 0,10213 0,09472 0,08367 0,07095 0,05812 0,04620 0,03579 0,02710 0,02011 0,01465 0,01051 0,00742 0,00518 0,00357 0,00243 0,00164 0,00110 0,00073 0,00048 #N/A #N/A #N/A #N/A #N/A #N/A #N/A 2 4 n 0 3 13 16 25 25 33 40 27 22 22 25 5 12 6 9 7 3 6 0 0 1 0 0 0 0 #N/A #N/A #N/A #N/A #N/A #N/A #N/A 8 f1_s 0,0000 0,0100 0,0433 0,0533 0,0833 0,0833 0,1100 0,1333 0,0900 0,0733 0,0733 0,0833 0,0167 0,0400 0,0200 0,0300 0,0233 0,0100 0,0200 0,0000 0,0000 0,0033 0,0000 0,0000 0,0000 0,0000 #N/A #N/A #N/A #N/A #N/A #N/A #N/A 12 f3_s 1,5 5,6 12,0 19,0 25,2 29,4 31,1 30,6 28,4 25,1 21,3 17,4 13,9 10,7 8,1 6,0 4,4 3,2 2,2 1,6 1,1 0,7 0,5 0,3 0,2 0,1 #N/A #N/A #N/A #N/A #N/A #N/A #N/A BINOMIAL NEGATIVA (n,p) Intentos (n) 7 Pr. xito (p) 47 0,47 Muestra 300 0 25

A1:A300

Mnimo Media Moda Mximo Varianza

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

BINOM.CRIT(DISTR.GAMMA.INV(U;n;(1-p)/p)/;;U) con U=ALEATORIO() y =0,0001

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].

Proyecto e-Math Financiado por la Secretara de Estado de Educacin y Universidades (MECD)

24

Variables aleatorias discretas

candidatos a entrevistar cuando se quiere encontrar una nica persona idnea para un puesto de trabajo; el nmero de melones que un cliente exigente manosea antes de conseguir aqul que satisface sus criterios, etc. Notacin y parmetros. La notacin habitual es XGeom(p) o, a veces, G(p). Probabilidad y Distribucin. La funcin de probabilidad es:

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

Proyecto e-Math Financiado por la Secretara de Estado de Educacin y Universidades (MECD)

Variables aleatorias discretas

0,40 0,35 0,30 0,25 0,20 0,15 0,10 0,05 0,00 X 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 Den 0,310000 0,213900 0,147591 0,101838 0,070268 0,048485 0,033455 0,023084 0,015928 0,010990 0,007583 0,005232 0,003610 0,002491 0,001719 0,001186 0,000818 0,000565 0,000390 0,000269 0,000185 0,000128 0,000088 0,000061 0,000042 0,000029 0,000020 n 114 42 46 34 15 13 11 1 6 5 4 6 2 0 1 0 0 0 0 0 0 0 0 0 0 0 0 f1_s 0,3800 0,1400 0,1533 0,1133 0,0500 0,0433 0,0367 0,0033 0,0200 0,0167 0,0133 0,0200 0,0067 0,0000 0,0033 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 f3_s 93,0 64,2 44,3 30,6 21,1 14,5 10,0 6,9 4,8 3,3 2,3 1,6 1,1 0,7 0,5 0,4 0,2 0,2 0,1 0,1 0,1 0,0 0,0 0,0 0,0 0,0 0,0 GEOMTRICA(p) Probabilidad (p) 0,31 31 0 18

Muestra 300

A1:A300

Mnimo Media Moda Mximo Varianza

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

La funcin de distribucin es:

Proyecto e-Math Financiado por la Secretara de Estado de Educacin y Universidades (MECD)

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

Variables aleatorias discretas

Estadsticos. La media y varianza son: nM N Propiedades. Es evidente que ha de verificarse que: Max(0, n N + M) X Min(M , n) Generacin. Excel cuenta con una funcin para la distribucin y probabilidad, no cuenta sin embargo, con la posibilidad de obtener muestras aleatorias (Anlisis de Datos). Sin embargo, es posible obtener nmeros que se distribuyan segn esta distribucin a travs de la frmula matricial siguiente2: COINCIDIR(ALEATORIO();
1-PROBABILIDAD(FILA(INDIRECTO("A1:A"&n+1))-1; DISTR.HIPERGEOMFILA(INDIRECTO("A1:A"&n+1))-1;n;N;M) FILA(INDIRECTO("A1:A"&n+1))-1;n+1);1) -1)

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

Mnimo Media Moda Mximo Varianza

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)

Vase el procedimiento genrico expuesto en el Anexo II de este documento. 7

Proyecto e-Math Financiado por la Secretara de Estado de Educacin y Universidades (MECD)

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

Variables aleatorias discretas

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!

Proyecto e-Math Financiado por la Secretara de Estado de Educacin y Universidades (MECD)

Variables aleatorias discretas

0,20X 0 0,181 2 3 0,164 5 6 0,147 8 0,129 10 11 0,10 12 13 14 0,08 15 16 0,06 0,04 0,02 0,00 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Den 0,001008 0,006954 0,023990 0,055178 0,095182 0,131351 0,151053 0,148895 0,128422 0,098457 0,067935 0,042614 0,024503 0,013005 0,006410 0,002949 0,001272 #N/A #N/A #N/A #N/A #N/A #N/A n 0 7 22 51 75 113 168 123 107 105 74 34 27 11 11 2 0 0 0 0 0 0 0 f1_s 0,0000 0,0075 0,0237 0,0548 0,0806 0,1215 0,1806 0,1323 0,1151 0,1129 0,0796 0,0366 0,0290 0,0118 0,0118 0,0022 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 f3_s 0,9 6,5 22,3 51,3 88,5 122,2 140,5 138,5 119,4 91,6 63,2 39,6 22,8 12,1 6,0 2,7 1,2 #N/A #N/A #N/A #N/A #N/A #N/A POISSON( ) 6,90 138 Muestra 930

0 17

A1:A930

Mnimo Media () Moda Mximo Varianza ()

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 ) =

La funcin de distribucin es:

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

Proyecto e-Math Financiado por la Secretara de Estado de Educacin y Universidades (MECD)

Variables aleatorias discretas

Caracterizacin. Los parmetros pueden ser estimados fcilmente de la forma siguiente:

a = min { X (n) }
Hoja de clculo.

; b = max { X (n) }

El fichero UniDisc.xls es una plantilla para la generacin y anlisis de esta distribucin:

0,08 X 1 2 3 0,07 4 5 6 0,06 7 8 9 10 0,05 11 12 13 14 0,04 15 16 17 0,03 18 19 20 21 0,02 22 23 24 0,01 25 26 27 28 0,00 29 30 31 Den 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 0,045455 n 12 15 14 15 13 13 9 11 12 13 11 13 15 15 20 14 11 12 13 21 15 13 0 0 0 0 0 0 0 0 0 f1_s 0,040000 0,050000 0,046667 0,050000 0,043333 0,043333 0,030000 0,036667 0,040000 0,043333 0,036667 0,043333 0,050000 0,050000 0,066667 0,046667 0,036667 0,040000 0,043333 0,070000 0,050000 0,043333 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 0,000000 f3_s 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 13,6 UNIFORME DISCRETA(a,b) Mnimo (a) 1 Mximo (b) 22 22 Muestra 300 1 22

A1:A300

Mnimo Media Moda Mximo Varianza

Estadsticos Tericos Muestra 1 1 11,50 11,84 22 36,8 22 41,5

Bondad del generador 2 11,5200 GL 21 p.valor 0,9517 Algoritmo de generacin

ALEATORIO.ENTRE(a;b)

Proyecto e-Math Financiado por la Secretara de Estado de Educacin y Universidades (MECD)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

10

Variables aleatorias discretas

Anexo 1 Hoja Patrn para las variables aleatorias discretas.

Cada una de las hojas de clculo dedicadas al anlisis de una distribucin est dividida en seis partes. Cinco de ellas son externamente visibles y se han utilizado para presentar la informacin grfica y numrica que describe la distribucin de que se trate para la configuracin de parmetros elegida por el usuario. La sexta, que permanece oculta bajo las anteriores, est dedicada a recoger la muestra aleatoria generada bajo el algoritmo propuesto y la tabulacin de sta junto con la distribucin terica, tabulacin sobre la que se basa la descripcin grfica visible de la distribucin. A la vista del usuario aparecen las zonas siguientes: parmetros y clculos auxiliares, grfico, comparacin de los estadsticos tericos con los muestrales y la descripcin del algoritmo, o algoritmos, de generacin de variables aleatorias.
Grfico 0,18X 0 1 0,162 3 4 0,14 5 6 0,127 8 9 10 0,10 11 12 13 0,08 14 15 16 0,06 0,04 0,02 0,00 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Den 0,001008 0,006954 0,023990 0,055178 0,095182 0,131351 0,151053 0,148895 0,128422 0,098457 0,067935 0,042614 0,024503 0,013005 0,006410 0,002949 0,001272 #N/A #N/A #N/A #N/A #N/A #N/A n 0 10 31 41 83 117 142 129 119 94 73 40 27 15 3 6 0 0 0 0 0 0 0 f1_s 0,0000 0,0108 0,0333 0,0441 0,0892 0,1258 0,1527 0,1387 0,1280 0,1011 0,0785 0,0430 0,0290 0,0161 0,0032 0,0065 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 f3_s 0,9 6,5 22,3 51,3 88,5 122,2 140,5 138,5 119,4 91,6 63,2 39,6 22,8 12,1 6,0 2,7 1,2 #N/A #N/A #N/A #N/A #N/A #N/A Parmetros y clculos auxiliares

POISSON( ) 0 17

6,90 138 Muestra 930 Comparacin de estadsticos

A1:A930

Mnimo Media () Moda Anlisis de la Mximo bondad del Varianza () generador

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

Algoritmo de generacin de v.a.

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

Nombre Clculos auxiliares no visibles: Mnimo, Mximo y Datos

Tamao de la muestra a generar

A1:A930

Proyecto e-Math Financiado por la Secretara de Estado de Educacin y Universidades (MECD)

11

Variables aleatorias discretas

Muestra

Tamao de la muestra simulada Valor mnimo terico de los datos.

Mnimo

Mximo Anlogo al mnimo Direccin en la que se Datos encuentra la muestra simulada

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

Estadsticos muestrales y tericos

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

Bondad del generador 2 19,1476 GL 17 p.valor 0,2611

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

Proyecto e-Math Financiado por la Secretara de Estado de Educacin y Universidades (MECD)

12

Variables aleatorias discretas

0,18

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.

0,16 0,14 0,12 0,10 0,08

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.

0,06 0,04 0,02 0,00 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

X 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Den 0,001008 0,006954 0,023990 0,055178 0,095182 0,131351 0,151053 0,148895 0,128422 0,098457 0,067935 0,042614 0,024503 0,013005 0,006410 0,002949 0,001272 0,000516 #N/A #N/A #N/A #N/A #N/A n 1 5 24 54 96 127 125 140 117 98 53 42 26 12 8 2 0 0 0 0 0 0 0 f1 s 0,0011 0,0054 0,0258 0,0581 0,1032 0,1366 0,1344 0,1505 0,1258 0,1054 0,0570 0,0452 0,0280 0,0129 0,0086 0,0022 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 f3 s 0,9 6,5 22,3 51,3 88,5 122,2 140,5 138,5 119,4 91,6 63,2 39,6 22,8 12,1 6,0 2,7 1,2 0,5 #N/A #N/A #N/A #N/A #N/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!.

Proyecto e-Math Financiado por la Secretara de Estado de Educacin y Universidades (MECD)

13

Variables aleatorias discretas

Anexo 2 Procedimiento genrico para la obtencin de v.a. discretas.

Con frecuencia ser necesario generar muestras aleatorias que se distribuyan con arreglo a una distribucin discreta que ha sido definida por el usuario. Es decir, nos enfrentaremos al problema de simular una distribucin especificada en la forma siguiente {X,P}, en donde X = {X1,X2,.. Xi,...Xn} se refiere al posible conjunto de posibles valores de la variable aleatoria, conjunto cuyos elementos pueden ser nmeros naturales (consecutivos o no) o tal vez cdigos, dependiendo de la naturaleza de la variable y de la escala en que sta ha sido medida, y en donde P = {P1,P2,.. Pi,...Pn} se refiere a las probabilidades de que X tome precisamente esos valores: X P i {1,2,.., i,..n} 0 Pi 1 A 0,071651

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.

Para su uso es necesario haber habilitado previamente el mdulo de "Anlisis de Datos"

Proyecto e-Math Financiado por la Secretara de Estado de Educacin y Universidades (MECD)

14

Variables aleatorias discretas

Este mtodo tiene la ventaja de ser inmediato y requerir relativamente poco esfuerzo al usuario, sin embargo presenta desventajas, la fundamental derivada del hecho de que la obtencin de la muestra no est integrada en la hoja de trabajo. No menos importante que esta es el hecho de que slo hay posibilidad de generar un pequeo nmero de variables aleatorias. Una alternativa a este mtodo se basa en el empleo de las frmulas matriciales, mecanismo de extraordinaria potencia, que faculta al usuario (avanzado) de Excel para realizar potentes clculos que no han de plasmarse forzosamente en celda alguna sino que permanecen en memoria hasta que necesitamos de sus resultados. Antes de ello es conveniente recordar las prestaciones de una de las funciones de librera de Excel menos conocida, nos referimos a la funcin PROBABILIDAD, funcin que usada convenientemente nos proporciona la distribucin de frecuencias acumuladas de una variable a partir de su distribucin de frecuencias relativas. Supongamos el ejemplo anterior con una distribucin de probabilidad definida sobre la variable X de la forma {P1,P2,.. Pi,...Pn} tal como aparece en la tabla, asignemos en primer lugar el nombre P al vector (columna) de las probabilidades:
X A B C D E F G H I J K L M N O P P 0,071651 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

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.

Proyecto e-Math Financiado por la Secretara de Estado de Educacin y Universidades (MECD)

15

Variables aleatorias discretas

Pues bien, la frmula =1-PROBABILIDAD(Sec;P;Xi;FILAS(P)) nos proporciona, la probabilidad de que se produzca un suceso x<Xi, por lo que al asignar al nombre Gen la frmula matricial: ={COINCIDIR (U;1-PROBABILIDAD(Sec;P;Xi;FILAS(P));1)} obtendremos un valor del vector X= {X1,X2,.. Xi,...Xn} distribuido segun P = {P1,P2,.. Pi,...Pn}, y si la verdadera naturaleza de la variable (que recordamos hemos codificado de forma numrica) se encuentra en el vector Nom, la frmula ={INDICE(Nom;+COINCIDIR (U;1-PROBABILIDAD(Sec;P;Xi;FILAS(P));1)1)} proporcionar, cada vez que sea invocada en una celda, un valor de NomX distribuido segn P. El libro UniDisc.xls contiene una hoja en la que aparecen estos clculos, su aspecto es el siguiente:
Nom X A B C D E F G H I J K L M N O P 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 P 0,071651 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 Sec PRO Xgen Ngen 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 0,00 0,07 0,15 0,23 0,31 0,37 0,43 0,49 0,55 0,62 0,75 0,78 0,81 0,84 0,94 0,97 13 4 6 10 4 7 2 9 8 7 2 6 1 5 3 10 3 7 16 4 3 6 10 4 M D F J D G B I H G B F A E C J C G P D C F J D PRO = 1-PROBABILIDAD(Sec;P;E#;FILAS(P)) Xgen = COINCIDIR(U;1-PROBABILIDAD(Sec;P;Sec;FILAS(P));1) Ngen = INDICE(Nom;Xgen)

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.

Proyecto e-Math Financiado por la Secretara de Estado de Educacin y Universidades (MECD)

16

Variables aleatorias discretas

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

Media 6,79 Varianza 23,37 Moda C Ajuste (2) 0,1049 30 C A 20 D 15 B 10 E F

(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

Proyecto e-Math Financiado por la Secretara de Estado de Educacin y Universidades (MECD)

17

Variables aleatorias discretas

El procedimiento genrico expuesto en este apndice es el aplicado para la obtencin de muestras aleatorias de una variable hipergeomtrica. Para ello hemos sustituido el vector P, anteriormente definido por el usuario, por la distribucin de probabilidad calculada por Excel para los valores de los parmetros introducidos por el usuario. La frmula es algo ms complicada pero su justificacin es anloga a la descrita anteriormente: {=COINCIDIR(ALEATORIO();
1-PROBABILIDAD(FILA(INDIRECTO("A1:A"&n+1))-1; DISTR.HIPERGEOMFILA(INDIRECTO("A1:A"&n+1))-1;n;N;M) FILA(INDIRECTO("A1:A"&n+1))-1;n+1);1) -1)}

Proyecto e-Math Financiado por la Secretara de Estado de Educacin y Universidades (MECD)

18

Variables aleatorias discretas

Anexo 3 Procedimiento genrico de estimacin de parmetros.

El procedimiento estndar para la caracterizacin de cualquier variable, es decir para la estimacin de los parmetros de la distribucin a partir de una muestra aleatoria de sta, se hace habitualmente por el mtodo de mxima verosimilitud. La literatura est repleta de referencias a este mtodo, su aplicacin es muchas veces inmediata. La estimacin del parmetro de una distribucin de Poisson es, simplemente:

= 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

0 < p <1 n{M,M +1,..}

(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

Proyecto e-Math Financiado por la Secretara de Estado de Educacin y Universidades (MECD)

19

Variables aleatorias discretas

utilizando la frmula matricial siguiente: MAX(ABS(DISTR.BINOM(Sec;n;p;0)-FRECUENCIA(D;M)/CONTAR(D))) habindose definido previamente los nombres: D M Sec = INDIRECTO(Datos a ajustar) = FILA(INDIRECTO("A1:A"&MAX(D)+1))-1 = FILA(INDIRECTO("A1:A"&FILAS(M)+1))-1
110% de la mnima discrepancia
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

Valores candidatos de n (n =20)

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 1,000 0,531 0,277 0,142 0,095 0,131 0,149 0,159 0,163 0,165 0,166 0,166 0,167 0,167 0,167 0,167 26 1,000 0,518 0,264 0,132 0,102 0,136 0,152 0,160 0,164 0,165 0,166 0,166 0,167 0,167 0,167 0,167

Valores candidatos de p (p=0,300)

Discrepancia calculada para p=0,300 y n =20

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

Proyecto e-Math Financiado por la Secretara de Estado de Educacin y Universidades (MECD)

20

Variables aleatorias discretas

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).

Proyecto e-Math Financiado por la Secretara de Estado de Educacin y Universidades (MECD)

21