VA Continuas 2

Variables aleatorias continuas
VARIABLES ALEATORIAS CONTINUAS (II)

Autores: Rafael Garca Martn (rgarciamart@uoc.edu), Francisco J. Fauln Fajardo (ffaulin@uoc.edu).
INTRODUCCIN______________________________________________
En este math-block titulado "Variables aleatorias continuas" se describen algunas de las
variables aleatorias, probablemente aquellas que ms aplicaciones tienen en el mbito del mtodo
MonteCarlo y la Simulacin, 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 breve descripcin de las aplicaciones
que pueden encontrarse en la literatura, sus funciones de densidad 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 al menos uno, en muchas ocasiones dos, mtodos 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 soslayar 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 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
_________________
_____
Para mayor facilidad se ha optado por dividir el documento en dos partes (I y II) con idntica
estructura.
Este math-block es complementario del titulado Variables aleatorias discretas con el que,
como es lgico, comparte muchas caractersticas.
Las dos partes de este documento hacen mencin a una serie de hojas de clculo con las que
se complementan: (Beta.xls ; Bradford.xls ; Cauchy.xls ; Chi2.xls ; Exponencial.xls ; FSnedecor.xls ;
Gamma.xls ; Gumbel.xls ; Logistica.xls ; LogNorm.xls ; Normal.xls ; Rayleigh.xls ; Pareto.xls ;
Triang.xls ; Uniforme.xls ; Weibull.xls).
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
NDICE (Parte I)
_________________
__
LogNormal_________________________________________________________________ 3
Usos. ___________________________________________________________________________ 3
Notacin y parmetros. ____________________________________________________________ 3
Densidad y Distribucin. ____________________________________________________________ 3
Estadsticos. _____________________________________________________________________ 3
Propiedades. _____________________________________________________________________ 3
Generacin.______________________________________________________________________ 4
Hoja de clculo. __________________________________________________________________ 4
Normal____________________________________________________________________ 4
Usos. ___________________________________________________________________________ 4
Estadsticos. _____________________________________________________________________ 5
Propiedades. _____________________________________________________________________ 5
Generacin.______________________________________________________________________ 5
Hoja de clculo. __________________________________________________________________ 5
Usos. ___________________________________________________________________________ 6
Estadsticos. _____________________________________________________________________ 6
Propiedades. _____________________________________________________________________ 6
Generacin.______________________________________________________________________ 6
Hoja de clculo. __________________________________________________________________ 6
Rayleigh___________________________________________________________________ 7
Usos. ___________________________________________________________________________ 7
Estadsticos. _____________________________________________________________________ 8
Propiedades. _____________________________________________________________________ 8
Generacin.______________________________________________________________________ 8
Hoja de clculo. __________________________________________________________________ 8
Pareto ____________________________________________________________________ 9
Usos. ___________________________________________________________________________ 9
Estadsticos. _____________________________________________________________________ 9
Propiedades. _____________________________________________________________________ 9
Generacin._____________________________________________________________________ 10
Hoja de clculo. _________________________________________________________________ 10
Triangular ________________________________________________________________ 10
Usos. __________________________________________________________________________ 10
Notacin y parmetros. ___________________________________________________________ 11
Densidad y Distribucin. ___________________________________________________________ 11
Estadsticos. ____________________________________________________________________ 11
Propiedades. ____________________________________________________________________ 11
Generacin._____________________________________________________________________ 11
Hoja de clculo. _________________________________________________________________ 11
Uniforme _________________________________________________________________ 12
Usos. __________________________________________________________________________ 12
Estadsticos. ____________________________________________________________________ 13
Generacin._____________________________________________________________________ 13
Hoja de clculo. _________________________________________________________________ 13
Weibull __________________________________________________________________ 14
Usos. __________________________________________________________________________ 14
Estadsticos. ____________________________________________________________________ 14
Propiedades. ____________________________________________________________________ 14
Generacin._____________________________________________________________________ 15
Hoja de clculo. _________________________________________________________________ 15
Anexo 1 Hoja Patrn para las variables aleatorias continuas. _______________________ 16

Parmetros y Auxiliares. ___________________________________________________________ 16
Comparacin de los estadisticos. ____________________________________________________ 17
Algoritmo de generacin de la v.a.___________________________________________________ 17
Tablas de grficos________________________________________________________________ 18
Grficos ________________________________________________________________________ 18
BIBLIOGRAFA______________________________________________________ ______ 21
ENLACES___________________________________________________________ _____ 21
Proyecto e-Math
LogNormal
Usos.
De la misma manera que la suma de un nmero (suficiente) de variables aleatorias positivas
se distribuye de forma normal, el producto de un nmero (suficiente) de variables aleatorias
positivas se distribuye de forma log-normal. As, numerosas magnitudes en las que en vez de la
adicin est presente el producto, se modelizan a travs de esta distribucin; por ejemplo la
evolucin de los precios Pt de un determinado producto puede modelizarse de la forma
siguiente:
Pt = P0
t + t
siendo P0 el precio inicial, el crecimiento medio del mercado, la desviacin tpica del crecimiento
del mercado y un trmino de error que absorbe la incertidumbre de los precios en todo momento.
En estas circunstancias Pt se distribuye de forma logaritmo-normal.
Puesto que la distribucin es siempre positiva, se emplea tambin para modelizar tiempos:
tiempo hasta el fallo de un dispositivo; tiempo para llevar a cabo una tarea.
Notacin y parmetros.
La notacin habitual es X
LN(
,
2); es el parmetro de escala y el de forma (>0).
Densidad y Distribucin.
La funcin de densidad es:
f(x) =
1
X 2 2
(Ln(X) )2
22
la funcin de distribucin no tiene forma cerrada.

Estadsticos.
La media y la varianza son, respectivamente:
+ 2
2
2
e2 + e 1
el sesgo, la curtosis y el coeficiente de variacin son (respectivamente):

2
2
e + 2 e 1
e 4 + 2e3 + 3e2 3
e 1
Propiedades.
Tambin conocida como distribucin Cobb-Douglas. Siempre es sesgada hacia la derecha y
nunca toma valores negativos. De su definicin se deduce que si Log(X)N(,) entonces XLN(,2).
Proyecto e-Math

Generacin.
Puesto que Excel cuenta con la funcin de distribucin inversa entre sus funciones
estadsticas, la generacin es extraordinariamente sencilla, basta emplear la frmula siguiente:
DISTR.LOG.INV(ALEATORIO();
;
)
Hoja de clculo.
El fichero LogNorm.xls contiene una hoja que posibilita la descripcin grfica y la generacin
de v.a. log-normales. Su aspecto es el siguiente:
5,9
5,3
5,3
LOGNORMAL(;
; 2 )
f2_s
0,0813
Media (
) 6
0,18
0,1250
0,6
6,56
0,2094
0,2129
0,2844 Des.Est. (
)
320
0,3438
1 10
1,00699
0,4219
0,07592
0,4813
Muestra
A1:A320
0,5156
320
0,5656
0,6000
Estadsticos
0,6313
Tericos Muestra
0,6625
Mnimo
0,18
0,11
0,6938
Media
1,82
3,21
0,7063
Mximo
0,21
47,32
20,65
0,7250
Varianza ()
7,39
0,7375
0,7625
Algoritmo de generacin
0,7844
DISTR.LOG.INV(ALEATORIO();;)
0,7938
0,8031
0,8094
0,8125
0,8219
0,8406
0,8500
0,8688
0,8750
0,8813
0,8875
0,8938
5,9
4,6
4,6
f1_s
0,08182
0,04406
0,08497
0,07552
0,05979
0,07867
0,05979
0,03462
0,05035
0,03462
0,03147
0,03147
0,03147
0,01259
0,01888
0,01259
0,02517
0,02203
0,00944
0,00944
0,00629
0,00315
0,00944
0,01888
0,00944
0,01888
0,00629
0,00629
0,00629
0,00629
4,0
3,4
f_s
0,0813
0,0438
0,0844
0,0750
0,0594
0,0781
0,0594
0,0344
0,0500
0,0344
0,0313
0,0313
0,0313
0,0125
0,0188
0,0125
0,0250
0,0219
0,0094
0,0094
0,0063
0,0031
0,0094
0,0188
0,0094
0,0188
0,0063
0,0063
0,0063
0,0063
4,0
2,7
2,1
1,5
0,8
0,2
0,1
0,0
n
26
14
27
24
19
25
19
11
16
11
10
10
10
4
6
4
8
7
3
3
2
1
3
6
3
6
2
2
2
2
34
3,4
2,7
Dis
0,061831
0,134632
0,211069
0,283981
0,350824
0,411014
0,464775
0,512643
0,555240
0,593182
0,627035
0,657305
0,684436
0,708814
0,730773
0,750602
0,768552
0,784838
0,799648
0,813146
0,825473
0,836754
0,847098
0,856599
0,865341
0,873400
0,880840
0,887720
0,894091
0,900000
2,1
1,5
0,8
Den
0,061831
0,072800
0,076437
0,072912
0,066844
0,060190
0,053761
0,047868
0,042597
0,037942
0,033853
0,030270
0,027131
0,024378
0,021959
0,019829
0,017950
0,016286
0,014810
0,013498
0,012327
0,011281
0,010343
0,009501
0,008743
0,008059
0,007440
0,006880
0,006371
0,005909
0,2
0,09X
0,4
0,08
0,6
0,8
0,07
1,0
0,06
1,2
1,5
0,05
1,7
1,9
0,04
2,1
0,03
2,3
2,5
0,02
2,7
2,9
0,01
3,2
0,00
3,4
3,6
3,8
4,0
1,04,2
0,94,4
4,6
0,84,9
0,75,1
0,65,3
5,5
0,55,7
0,45,9
6,1
0,36,4
0,26,6
Normal
Usos.
En virtud del Teorema Central de Lmite cualquier magnitud que sea suma 1 de otras
magnitudes, seas stas como sean, se distribuir de forma normal.
N(,
,),
, siendo el parmetro de posicin y el parmetro de
escala (>0).
1
Es importante resaltar que el trmino suma debe entenderse de la forma ms general posible, para dar una
mejor idea de como debiera ser su interpretacin quizs cabra decir ..cualquier magnitud consecuencia de la
influencia conjunta y simultnea de un numero suficiente de otros factores posiblemente de muy diversa
naturaleza..
Proyecto e-Math

f(x) =
1
2
2
X
e 2
Estadsticos.
La media es , la varianza 2, el sesgo 0, la curtosis 3 y el coeficiente de variacin /.
Propiedades.
La distribucin es simtrica, centrada en y con puntos de inflexin en ; la suma de n
variables N(,2) es N(n,n2); un gran nmero de distribuciones estn relacionadas con la Normal: t,
F, 2, LogNormal, Cauchy.
Generacin.
Excel cuenta con la funcin inversa de la distribucin:
DISTR.NORM.INV(ALEATORIO();;
;)
;
Tambin en la literatura aparecen descritos diversos mtodos para generar Normales, uno de los ms
efectivos es el conocido como Box-Muller que utiliza la frmula siguiente:
+(
*RAIZ(-2*LN(ALEATORIO()))*COS(2*PI()*ALEATORIO()))
Hoja de clculo.
El fichero Normal.xls contiene una hoja que posibilita la descripcin grfica y la generacin, por los dos mtodos
expuestos, de v.a. Normales.
Media () 62
6,2
Des.Tip. ()
0,8 8
Muestra
460
Mnimo
Media
Mximo
Varianza
8,8
8,4
NORMAL(,
, )
3,40
9,00
0,1867
460
1,000
0,08
B1:B460
Estadsticos
Tericos
Muestra
3,40
3,24
6,20
6,19
9,00
8,75
0,640
0,635
Algoritmos de generacin
m+(s*RAIZ(-2*LN(U))*COS(2*PI()*U))
DISTR.NORM.INV(ALEATORIO(); ; )
+(*RAIZ(-2*LN(U))*COS(2*PI()*U))
8,8
8,1
f2_s
0,0022
0,0022
0,0022
0,0043
0,0130
0,0152
0,0283
0,0413
0,0717
0,1196
0,1739
0,2674
0,3435
0,4326
0,5152
0,5870
0,6804
0,7717
0,8391
0,8739
0,9065
0,9478
0,9696
0,9848
0,9913
0,9935
0,9978
0,9978
1,0000
1,0000
8,4
7,7
8,1
7,3
7,7
6,9
f1_s
0,00217
0,00000
0,00000
0,00217
0,00869
0,00217
0,01304
0,01304
0,03043
0,04781
0,05434
0,09346
0,07607
0,08911
0,08259
0,07172
0,09346
0,09128
0,06738
0,03477
0,03260
0,04129
0,02173
0,01521
0,00652
0,00217
0,00435
0,00000
0,00217
0,00000
7,3
6,6
6,9
6,2
6,6
5,8
f_s
0,0022
0,0000
0,0000
0,0022
0,0087
0,0022
0,0130
0,0130
0,0304
0,0478
0,0543
0,0935
0,0761
0,0891
0,0826
0,0717
0,0935
0,0913
0,0674
0,0348
0,0326
0,0413
0,0217
0,0152
0,0065
0,0022
0,0043
0,0000
0,0022
0,0000
6,2
5,5
n
1
0
0
1
4
1
6
6
14
22
25
43
35
41
38
33
43
42
31
16
15
19
10
7
3
1
2
0
1
0
0
5,8
5,1
5,5
4,7
5,1
4,3
Dis
0,000544
0,001209
0,002555
0,005134
0,009815
0,017864
0,030974
0,051199
0,080757
0,121673
0,175324
0,241964
0,320369
0,407751
0,500000
0,592249
0,679631
0,758036
0,824676
0,878327
0,919243
0,948801
0,969026
0,982136
0,990185
0,994866
0,997445
0,998791
0,999456
0,999767
4,7
4,3
4,0
3,6
4,0
Den
0,000544
0,000665
0,001346
0,002579
0,004681
0,008049
0,013110
0,020225
0,029557
0,040916
0,053651
0,066640
0,078406
0,087382
0,092249
0,092249
0,087382
0,078406
0,066640
0,053651
0,040916
0,029557
0,020225
0,013110
0,008049
0,004681
0,002579
0,001346
0,000665
0,000311
3,6
#
#0,10X
# 3,59
#0,09
3,77
#0,08
3,96
# 4,15
#0,07
4,33
#0,06
4,52
# 4,71
#0,05
4,89
# 5,08
#0,04
5,27
#0,03
5,45
# 5,64
#0,02
5,83
#0,01
6,01
# 6,20
#0,00
6,39
# 6,57
# 6,76
# 6,95
#1,07,13
#0,97,32
#0,87,51
# 7,69
0,7
# 7,88
#0,68,07
#0,58,25
#0,48,44
# 8,63
#0,38,81
#0,29,00
#0,1
#
#0,0
#
#
Proyecto e-Math
t de Student
Usos.
Esta distribucin tiene un papel fundamental en determinados contrastes de hiptesis
(pruebas sobre igualdad de medias), fuera de esta aplicacin podra usarse para modelizar la
desviacin de la media de una muestra respecto de la media de la poblacin de la que sta procede.
t(GL) siendo GL el nico parmetro de forma (GL>0).
GL + 1
GL +1
2
1
2
2
X
GL 2 1 +
f(x) =
GL
1 GL
2
2

Estadsticos.
La media (para GL>1) y la varianza (para GL>2) son, respectivamente:
0
Gl
(GL 2)
Propiedades.
Para GL>30 la distribucin es prcticamente una Normal; se verifica que t(1) Cauchy(0,1)
Generacin.
Excel cuenta con la funcin inversa de la distribucin si bien slo para valores positivos de X
de manera que es necesaria una pequea modificacin:
=DISTR.T.INV(ALEATORIO();GL)*SIGNO(ALEATORIO()-0,5)
tambin en la literatura aparecen descritos diversos mtodos para generar v.a. distribuidas segn una
t de Student. Uno de los ms efectivos es el que utiliza la frmula siguiente:
=RAIZ(GL*(ALEATORIO()^(-2/GL)-1))*COS(2*PI()*ALEATORIO())
Hoja de clculo.
El fichero Student.xls contiene una hoja que posibilita la descripcin grfica y la generacin,
por los dos mtodos expuestos, de v.a. de Pareto. Su aspecto es el siguiente:
Proyecto e-Math
1,2
1,8
0,8
1,4
2,0
0,0033
GL 41
-2,95
0,0033
15
2,95
0,0100
0,19644843
0,0200
300
0,0333
1,00316117
0,0367
0,07840994
0,0733
Muestra
B1:B300
0,1200
300
2
0,1533
0,1833
Estadsticos
0,2300
Tericos
Muestra
0,2667
Mnimo
-2,95
-2,85
0,3533
Media
0,00
0,00
0,4267
Mximo
2,95
3,84
0,5200
Varianza
1,15
1,22
0,5800
0,6533
0,7433 RAIZ(GL*(U^(-2/GL)-1))*COS(2*PI()*U)
0,8100
DISTR.T.INV(U;GL)*SIGNO(U-0,5)
0,8433
RAIZ(GL*(U^(-2/GL)-1))*COS(2*PI()*U)
0,8667
siendo U=ALEATORIO()
0,8900
0,9133
0,9267
0,9500
0,9600
0,9767
0,9800
0,9900
0,9900
2,4
0,6
0,2
0,0033
0,0000
0,0067
0,0100
0,0134
0,0033
0,0368
0,0468
0,0334
0,0301
0,0468
0,0368
0,0869
0,0736
0,0936
0,0602
0,0736
0,0903
0,0669
0,0334
0,0234
0,0234
0,0234
0,0134
0,0234
0,0100
0,0167
0,0033
0,0100
0,0000
2,6
-0,6
-0,4
-1,6
0,0
-1,2
0,0033
0,0000
0,0067
0,0100
0,0133
0,0033
0,0367
0,0467
0,0333
0,0300
0,0467
0,0367
0,0867
0,0733
0,0933
0,0600
0,0733
0,0900
0,0667
0,0333
0,0233
0,0233
0,0233
0,0133
0,0233
0,0100
0,0167
0,0033
0,0100
0,0000
-1,8
n
1
0
2
3
4
1
11
14
10
9
14
11
26
22
28
18
22
27
20
10
7
7
7
4
7
3
5
1
3
0
3
-2,4
Dis
0,007439
0,011015
0,016205
0,023642
0,034139
0,048692
0,068449
0,094640
0,128441
0,170780
0,222112
0,282201
0,349961
0,423448
0,500000
0,576552
0,650039
0,717799
0,777888
0,829220
0,871559
0,905360
0,931551
0,951308
0,965861
0,976358
0,983795
0,988985
0,992561
0,995000
-1,0
t de Student(GL)
Den
0,003576
0,004383
0,006314
0,008967
0,012525
0,017155
0,022974
0,029996
0,038070
0,046836
0,055711
0,063925
0,070624
0,075019
0,076552
0,075019
0,070624
0,063925
0,055711
0,046836
0,038070
0,029996
0,022974
0,017155
0,012525
0,008967
0,006314
0,004383
0,003008
0,005000
-2,2
-2,9
X
-2,8
-2,6
-2,4
-2,2
-2,0
-1,8
-1,6
-1,4
-1,2
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8
2,0
2,2
2,4
2,6
2,8
2,9
-2,8
-0,54
0,10
0,61
-1,42
0,09
0,38
1,01
0,08
-0,01
0,07
-0,66
0,27
0,06
-0,98
0,05
-0,04
-0,09
0,04
0,9
-2,05
0,03
-1,25
0,02
-0,24
-0,54
0,01
0,03
0,00
-1,53
-0,01
1,07
0,78
1,0
-0,5
0,9
-0,27
0,32
0,8
-1,58
0,7
1,44
0,6
-2,18
-0,01
0,5
-0,36
0,4
-0,1
0,3
-0,36
0,2
-0,7
0,44
0,1
1,11
0,0
-0,23
-0,22
-0,35
Rayleigh
Usos.
La distribucin de Rayleigh aparece asociada a la fiabilidad de sistemas a travs de la
modelizacin del tiempo hasta el fallo de un dispositivo.
Rayleigh(
), siendo parmetro de escala (>0).
f(x) =
X
2
1 X
,la funcin de distribucin es:
f(x) = 1
1 X
2
Proyecto e-Math

Estadsticos.
La media y la varianza son, respectivamente:
2 2
2
el sesgo es 0,6311; la curtosis 3,245 y el coeficiente de variacin 0,523 son (respectivamente):

0,6311
3,245
0,523
Propiedades.
Es un caso particular de la Weibull ya que se verifica que Weibull(
,2) Rayleigh(
). El
parmetro es siempre el valor modal de la distribucin. La distribucin siempre es sesgada hacia la
derecha y nunca toma valores negativos.
Generacin.
En Excel es posible obtener v.a. a travs de cualquiera las frmulas siguientes:
PRUEBA.CHI.INV(ALEATORIO();
)
*(-LN(1-ALEATORIO()))^0,5
Hoja de clculo.
18,8
20,2
21,7
18,8
20,2
21,7
RAYLEIGH(
)
f2_s
0,04348
Beta (
) 65
0,38104
0,10033
6,5
22,45748
0,21405
0,73588
0,31104
299
0,39130
1,34238
0,48829
0,07854
0,54849
Muestra
B1:B300
0,64548
300
2
0,69900
0,74582
Estadsticos
0,79933
Tericos Muestra
0,83278
Mnimo
0,38
0,40
0,87960
Media
8,15
6,13
0,89632
Mximo
22,46
23,12
0,91639
Varianza
18,1
14,4
0,92308
0,93980
0,96990
0,97659 PRUEBA.CHI.INV(ALEATORIO();b)
0,97993
Beta*(-LN(1-ALEATORIO()))^0,5
0,97993
PRUEBA.CHI.INV(ALEATORIO();)
0,98662
0,98997
0,98997
1,00000
1,00000
1,00000
1,00000
1,00000
1,00334
17,3
15,8
15,8
f1_s
0,01347
0,04490
0,07632
0,15265
0,13020
0,10775
0,13020
0,08081
0,13020
0,07183
0,06285
0,07183
0,04490
0,06285
0,02245
0,02694
0,00898
0,02245
0,04041
0,00898
0,00449
0,00000
0,00898
0,00449
0,00000
0,01347
0,00000
0,00000
0,00000
0,00000
17,3
14,4
12,9
12,9
f_s
0,0100
0,0334
0,0569
0,1137
0,0970
0,0803
0,0970
0,0602
0,0970
0,0535
0,0468
0,0535
0,0334
0,0468
0,0167
0,0201
0,0067
0,0167
0,0301
0,0067
0,0033
0,0000
0,0067
0,0033
0,0000
0,0100
0,0000
0,0000
0,0000
0,0000
14,4
11,4
9,9
8,5
7,0
n
3
10
17
34
29
24
29
18
29
16
14
16
10
14
5
6
2
5
9
2
1
0
2
1
0
3
0
0
0
0
1
11,4
9,9
8,5
5,5
7,0
5,5
4,1
1,1
4,1
Dis
0,029095
0,078038
0,146671
0,230183
0,323099
0,419863
0,515378
0,605413
0,686852
0,757772
0,817373
0,865793
0,903872
0,932889
0,954333
0,969711
0,980419
0,987662
0,992423
0,995464
0,997353
0,998495
0,999166
0,999549
0,999763
0,999878
0,999939
0,999970
0,999986
0,999993
2,6
Den
0,051334
0,080862
0,104568
0,121150
0,130107
0,131717
0,126913
0,117080
0,103824
0,088748
0,073273
0,058521
0,045265
0,033939
0,024686
0,017428
0,011949
0,007959
0,005152
0,003242
0,001984
0,001181
0,000683
0,000385
0,000211
0,000113
0,000058
0,000030
0,000015
0,000007
1,1
##
##
0,18 X
## 1,1
0,161,9
##
##
0,142,6
## 3,3
##
0,124,1
## 4,8
0,105,5
##
##
0,086,3
## 7,0
##
0,067,7
## 8,5
0,049,2
##
##
0,029,9
## 10,7
##
0,0011,4
## 12,2
## 12,9
##
1,0 13,6
## 14,4
0,9 15,1
##
##
0,8 15,8
## 16,6
0,7 17,3
##
0,6 18,0
##
##
0,5 18,8
## 19,5
0,4 20,2
##
##
0,3 21,0
##
0,2 21,7
## 22,5
0,1
##
##
0,0
##
##
##
2,6
El fichero Rayleigh.xls contiene una hoja que posibilita la descripcin grfica y la generacin
de v.a. tipo Rayleigh. Su aspecto es el siguiente:
Proyecto e-Math
Pareto
Usos.
La distribucin de Pareto aparece asociada a multitud de magnitudes naturales. Es
profusamente empleada para modelizar aspectos tales como: la distribucin de la renta de los
individuos (cuando sta supera un cierto umbral ); las reclamaciones de seguros; la distribucin
de recursos naturales en zonas geogrficas; el tamao de las ciudades; el numero de
empleados de las empresas; las fluctuaciones de los precios en los mercados de valores, entre
otras. En algunos textos la encontramos exclusivamente asociada a la distribucin de los ingresos de
los individuos: "la probabilidad de que la renta de un individuo supere una cierta cantidad A es una
variable aleatoria de Pareto(=A,)".
En general, es una distribucin a tener en cuenta para modelizar una magnitud (positiva)
cuando en sta se cumpla que un pequeo porcentaje de valores aparece un gran nmero de veces y
es posible un elevado nmero de valores extremos aunque muy poco probables.
Par(,
,),
, ambos parmetros son de escala (,>0), adems
indica el valor mnimo posible de la variable (X<).
f(x) =

X +1
F(x) = 1
X
Estadsticos.
La media (para >1) y la varianza (para >2) son, respectivamente:
( 1)2 ( 2)
el sesgo y la curtosis son (respectivamente):

2( + 1)
( 3)
3(3 2 + + 2)( 2)
( 3)( 4 )
Propiedades.
La distribucin siempre es sesgada hacia la derecha y nunca toma valores negativos, ntese
que los momentos de orden k slo existen si >k.
Proyecto e-Math

Generacin.
En la literatura aparecen descritos diversos mtodos para generar v.a. de Pareto. En Excel es
posible obtener v.a. a travs de cualquiera de las frmulas siguientes:
*((1/(1-ALEATORIO()))^(1/
))
*(ALEATORIO()^(-1/
))
Hoja de clculo.
El fichero Pareto.xls contiene una hoja que posibilita la descripcin grfica y la generacin, por
los dos mtodos expuestos, de v.a. de Pareto. Su aspecto es el siguiente:
PARETO(
, )
21,8
Alfa () 37
3,7
Beta ()
6,5 65
6,5
22,6
0,5355
294
0,9895484
0,0885491
A1:A300
1
Muestra
300
Mnimo
Media
Mximo
Varianza
Estadsticos
Tericos Muestra
6,50
6,53
8,91
9,22
22,57
34,25
12,61
13,86
Beta*((1/(1-ALEATORIO()))^(1/Alfa))
Beta*((1/(1-ALEATORIO()))^(1/Alfa))
Beta*(ALEATORIO()^(-1/Alfa))
21,8
20,7
0,115646
0,329932
0,476190
0,598639
0,680272
0,721088
0,772109
0,816327
0,846939
0,863946
0,894558
0,914966
0,928571
0,948980
0,959184
0,962585
0,962585
0,965986
0,965986
0,965986
0,976190
0,982993
0,986395
0,993197
0,993197
0,993197
0,996599
1,000000
1,000000
1,000000
20,7
19,6
19,6
18,5
18,5
17,5
0,11444
0,21205
0,14473
0,12117
0,08078
0,04039
0,05049
0,04376
0,03029
0,01683
0,03029
0,02019
0,01346
0,02019
0,01010
0,00337
0,00000
0,00337
0,00000
0,00000
0,01010
0,00673
0,00337
0,00673
0,00000
0,00000
0,00337
0,00337
0,00000
0,00000
17,5
16,4
16,4
15,3
14,3
15,3
0,1156
0,2143
0,1463
0,1224
0,0816
0,0408
0,0510
0,0442
0,0306
0,0170
0,0306
0,0204
0,0136
0,0204
0,0102
0,0034
0,0000
0,0034
0,0000
0,0000
0,0102
0,0068
0,0034
0,0068
0,0000
0,0000
0,0034
0,0034
0,0000
0,0000
14,3
n
34
63
43
36
24
12
15
13
9
5
9
6
4
6
3
1
0
1
0
0
3
2
1
2
0
0
1
1
0
0
6
13,2
13,2
11,1
10,0
12,1
12,1
11,1
8,9
7,8
Dis
0,138745
0,350231
0,499908
0,608386
0,688649
0,749124
0,795430
0,831400
0,859704
0,882237
0,900365
0,915092
0,927160
0,937131
0,945431
0,952387
0,958254
0,963233
0,967481
0,971125
0,974265
0,976984
0,979348
0,981413
0,983222
0,984813
0,986217
0,987460
0,988565
0,989548
10,0
8,9
6,8
6,8
Den
0,138745
0,211486
0,149677
0,108478
0,080262
0,060475
0,046306
0,035970
0,028304
0,022533
0,018129
0,014726
0,012069
0,009971
0,008299
0,006956
0,005867
0,004979
0,004248
0,003644
0,003140
0,002719
0,002364
0,002064
0,001809
0,001591
0,001404
0,001243
0,001104
0,000984
7,8
7
80,25X
# 6,8
# 7,3
80,20
7,8
7 8,4
70,15
8,9
8 9,4
8 10,0
70,10
10,5
7 11,1
7 11,6
70,05
12,1
7 12,7
70,00
13,2
8 13,7
7 14,3
9 14,8
8 15,3
#1,0
15,9
70,9
16,4
7 16,9
70,8
17,5
#0,7
18,0
7 18,5
70,6
19,1
#0,5
19,6
80,4
20,2
# 20,7
#0,3
21,2
80,2
21,8
8 22,3
90,1
#0,0
9
#
7
Triangular
Usos.
Su uso es como aproximacin a la modelizacin de una magnitud aleatoria de la que no se
cuenta con datos y nicamente puede aventurarse un mnimo y mximo absolutos y un valor
modal.
Proyecto e-Math
10

Tri(a,b,c), el parmetro a es de posicin mientras que b es de
forma y c es parmetro de escala: (a b c) y (a X c).
2 (X a)
(b a)(c a)
f(x) =
(b X)
(b a)(b c)
aXc
c<Xb

(X a)2
aXc
(b a)(c a)
F(x) =
(b X)
1 (b a)(b c) c < X b
Estadsticos.
La media y varianza son (respectivamente):
a+b +c
3
a2 + b 2 + c2 ab ac bc
18
Propiedades.
Si a=c la distribucin se convierte en una Triangular izquierda; si c=b la distribucin se
convierte en una triangular derecha.
Generacin.
Excel no cuenta con una funcin para la inversa de la funcin de distribucin, sin embargo, la
generacin de variables aleatorias puede hacerse utilizando cualquiera de las dos frmulas siguientes:
c + (a+ALEATORIO()*(b-a)-c)*MAX(ALEATORIO();ALEATORIO())
c + (a+ALEATORIO()*(b-a)-c)*RAIZ(ALEATORIO())
Hoja de clculo.
El fichero Triang.xls es una plantilla para la generacin y anlisis de la distribucin Triangular
en Excel. Su aspecto es el siguiente:
Proyecto e-Math
11

TRIANGULAR(a,b,c)
Mnimo (a) 30
0
Central (b)
4
Mximo (c)
33 33
Muestra
300
0
4
4 33
1,1000
300
0,9069
0,0784
A1:A300
Estadsticos
Tericos Muestra
Mnimo
0,00
1,04
Media
12,33
12,47
Mximo
33,00
31,53
Varianza ()
54,06
54,16
31
f2_s
###
###
###
###
###
###
###
###
###
###
###
###
###
###
###
###
###
###
###
###
###
###
###
###
###
###
###
###
###
###
Algoritmos de generacin (U=ALEATORIO())

c+(a+U(b-a)-c)*MAX(U;U)
c+(a+U(b-a)-c)*MAX(U;U)
c+(a+U(b-a)-c)*RAIZ(U)
31
28
28
24
f1_s
0,0030
0,0302
0,0514
0,0665
0,0514
0,0423
0,0423
0,0605
0,0453
0,0393
0,0363
0,0393
0,0363
0,0423
0,0363
0,0484
0,0302
0,0453
0,0212
0,0393
0,0181
0,0151
0,0181
0,0060
0,0121
0,0091
0,0121
0,0060
0,0030
0,0000
24
21
f_s
0,0033
0,0333
0,0567
0,0733
0,0567
0,0467
0,0467
0,0667
0,0500
0,0433
0,0400
0,0433
0,0400
0,0467
0,0400
0,0533
0,0333
0,0500
0,0233
0,0433
0,0200
0,0167
0,0200
0,0067
0,0133
0,0100
0,0133
0,0067
0,0033
0,0000
21
18
n
1
10
17
22
17
14
14
20
15
13
12
13
12
14
12
16
10
15
7
13
6
5
6
2
4
3
4
2
1
0
0
18
14
14
11
Dis
0,009167
0,036667
0,082500
0,145287
0,209770
0,271724
0,331149
0,388046
0,442414
0,494253
0,543563
0,590345
0,634598
0,676322
0,715517
0,752184
0,786322
0,817931
0,847011
0,873563
0,897586
0,919080
0,938046
0,954483
0,968391
0,979770
0,988621
0,994943
0,998736
1,000000
11
8
8
Den
0,016667
0,033333
0,050000
0,059770
0,057471
0,055172
0,052874
0,050575
0,048276
0,045977
0,043678
0,041379
0,039080
0,036782
0,034483
0,032184
0,029885
0,027586
0,025287
0,022989
0,020690
0,018391
0,016092
0,013793
0,011494
0,009195
0,006897
0,004598
0,002299
0,000000
#
0,07
# X
#0,06
1,1
# 2,2
# 3,3
#0,05
4,4
# 5,5
#0,04
6,6
# 7,7
#0,03
8,8
# 9,9
# 11,0
#0,02
12,1
# 13,2
#0,01
14,3
# 15,4
#0,00
16,5
# 17,6
# 18,7
# 19,8
#1,00
20,9
#0,90
22,0
#0,80
23,1
# 24,2
#0,70
25,3
#0,60
26,4
#0,50
27,5
# 28,6
#0,40
29,7
#0,30
30,8
#0,20
31,9
# 33,0
#0,10
#0,00
#
#
b-a
c-a
b-c
Auxiliares
33
4
29
Uniforme
Usos.
Su uso es como aproximacin a la modelizacin de una magnitud aleatoria de la que no se
cuenta con datos y nicamente puede aventurarse un mnimo y mximo absolutos no pudindose
hacer conjeturas sobre su distribucin dentro de ese intervalo. Por otra parte es la base de la
generacin del resto de variables aleatorias.
U(a,b), el parmetro a es de posicin, mientras que la cantidad ba (b>a) determina la escala de la distribucin.
f(x) =
1
ba
F(x) =
Xa
ba
Proyecto e-Math
12

Estadsticos.
a+b
2
(b a)2
12
el sesgo, la curtosis y el coeficiente de variacin son (respectivamente):

0
9
5
1 ba
3 a+b
Generacin.
Excel cuenta con una funcin para la generacin de variables aleatorias uniformes, la v.a.
U(0,1) se obtiene a travs de la funcin ALEATORIO(), mientras que a partir de sta puede
obtenerse la de la U(a,b) sin ms que usar la frmula a + (b-a)*ALEATORIO().
Hoja de clculo.
El fichero Uniforme.xls es una plantilla para la generacin y anlisis de esta distribucin en
Excel. Su aspecto es el siguiente:
9,4
0,0300
0,0667
0,0833
0,1200
0,1433
0,1767
0,2267
0,2633
0,2867
0,3300
0,3567
0,3833
0,4267
0,4533
0,4867
0,5100
0,5433
0,5833
0,6333
0,6600
0,6833
0,7133
0,7433
0,7767
0,8200
0,8567
0,8967
0,9300
0,9633
1,0000
Minimo (a) 37
1
Mximo (b)
10 4
Muestra
300
1,00
10,00
0,30000
300
1
0,07841
A1:A300
Estadsticos
Tericos Muestra
Mnimo 1,00
1,01
Media 5,50
5,61
Mximo 10,00
9,99
Varianza 6,75
6,74
a+(ALEATORIO()*(b-a))
9,4
8,5
8,5
7,6
0,0300
0,0367
0,0167
0,0367
0,0233
0,0333
0,0500
0,0367
0,0233
0,0433
0,0267
0,0267
0,0433
0,0267
0,0333
0,0233
0,0333
0,0400
0,0500
0,0267
0,0233
0,0300
0,0300
0,0333
0,0433
0,0367
0,0400
0,0333
0,0333
0,0367
7,6
6,7
5,8
0,0300
0,0367
0,0167
0,0367
0,0233
0,0333
0,0500
0,0367
0,0233
0,0433
0,0267
0,0267
0,0433
0,0267
0,0333
0,0233
0,0333
0,0400
0,0500
0,0267
0,0233
0,0300
0,0300
0,0333
0,0433
0,0367
0,0400
0,0333
0,0333
0,0367
6,7
UNIFORME(a,b)
5,8
4,9
n
9
11
5
11
7
10
15
11
7
13
8
8
13
8
10
7
10
12
15
8
7
9
9
10
13
11
12
10
10
11
0
4,9
4,0
4,0
3,1
Dis
0,033333
0,066667
0,100000
0,133333
0,166667
0,200000
0,233333
0,266667
0,300000
0,333333
0,366667
0,400000
0,433333
0,466667
0,500000
0,533333
0,566667
0,600000
0,633333
0,666667
0,700000
0,733333
0,766667
0,800000
0,833333
0,866667
0,900000
0,933333
0,966667
1,000000
3,1
2,2
2,2
1,3
1,3
0,06
X
Den
1,3 0,033333
1,6
0,050,033333
1,9 0,033333
2,2 0,033333
0,040,033333
2,5
2,8 0,033333
3,1
0,030,033333
3,4 0,033333
3,7 0,033333
0,020,033333
4,0
4,3 0,033333
4,6
0,010,033333
4,9 0,033333
5,2 0,033333
0,000,033333
5,5
5,8 0,033333
6,1 0,033333
6,4 0,033333
1,0 0,033333
6,7
7,0
0,9 0,033333
7,3
0,8 0,033333
7,6 0,033333
0,7 0,033333
7,9
8,2
0,6 0,033333
8,5
0,5 0,033333
8,8 0,033333
0,4 0,033333
9,1
0,3 0,033333
9,4
9,7
0,2 0,033333
10,0 0,033333
0,1
0,0
Proyecto e-Math
13
Weibull
Usos.
Se trata de una distribucin de valores positivos desarrollada (por Walladi Weibull) para
explicar la duracin aleatoria - el tiempo de vida o de funcionamiento - de cualquier dispositivo,
natural o no, si ste pasa por una primera fase de gran mortalidad (mortalidad infantil o defectos de
fabricacin) una fase intermedia con muy poca probabilidad de fallo (periodo adulto o periodo til de
servicio) y una fase final en la que la probabilidad de fallo (de avera o de muerte) aumenta
rpidamente.
Tambin se aplica para modelizar la duracin de una tarea en estudios PERT/CPM.
Wei(,
,)
Weibull(,
,),
, o bien X
, el parmetro (>0) es de
escala mientras que es el parmetro de forma (>0).
f(x) =
1
X
e
F(x) = 1
Estadsticos.
1

2 1 1
2
el coeficiente de variacin es:

+1

+ 1
Propiedades.
Si =1 la distribucin se convierte en una Exp(); si =2 la distribucin se convierte en una
2 con grados de libertad.
Proyecto e-Math
14

Generacin.
Excel no cuenta con una funcin para la inversa de la funcin de distribucin, sin embargo, la
generacin de variables aleatorias puede hacerse utilizando la frmula siguiente:
*(-LN(1-ALEATORIO()))^(1/
)
Hoja de clculo.
4,9
WEIBULL(
,
)
(Forma) 20
2,0
(Escala)
2,0 20
Muestra
300
Mnimo
Media
Mximo
Varianza ()
0,06
5,26
0,1731
299
5,743
0,084829
A1:A300
Estadsticos
Tericos Muestra
0,06
0,09
1,77
1,79
5,26
5,35
0,858
0,973
4,9
f2_s
####
####
####
####
####
####
####
####
####
####
####
####
####
####
####
####
####
####
####
####
####
####
####
####
####
####
####
####
####
####
4,4
f1_s
0,13446
0,15367
0,07683
0,38417
0,40338
0,46101
0,44180
0,28813
0,53784
0,55705
0,23050
0,26892
0,30734
0,23050
0,15367
0,15367
0,19209
0,19209
0,11525
0,05763
0,11525
0,17288
0,03842
0,00000
0,03842
0,00000
0,01921
0,01921
0,00000
0,00000
3,9
3,4
f_s
0,0234
0,0268
0,0134
0,0669
0,0702
0,0803
0,0769
0,0502
0,0936
0,0970
0,0401
0,0468
0,0535
0,0401
0,0268
0,0268
0,0334
0,0334
0,0201
0,0100
0,0201
0,0301
0,0067
0,0000
0,0067
0,0000
0,0033
0,0033
0,0000
0,0000
2,8
n
7
8
4
20
21
24
23
15
28
29
12
14
16
12
8
8
10
10
6
3
6
9
2
0
2
0
1
1
0
0
1
2,3
1,8
Dis
0,013871
0,041052
0,081352
0,133046
0,193998
0,261809
0,333970
0,408013
0,481650
0,552877
0,620052
0,681937
0,737701
0,786906
0,829455
0,865538
0,895563
0,920090
0,939766
0,955273
0,967281
0,976422
0,983261
0,988293
0,991935
0,994526
0,996340
0,997589
0,998436
0,999000
1,3
0,8
Den
0,116546
0,196334
0,267596
0,327577
0,374309
0,406711
0,424602
0,428637
0,420185
0,401147
0,373765
0,340418
0,303437
0,264959
0,226816
0,190466
0,156974
0,127025
0,100962
0,078841
0,060506
0,045644
0,033852
0,024688
0,017707
0,012492
0,008669
0,005919
0,003976
0,002628
0,2
0,60
X
0,24
0,41
0,50
0,58
0,76
0,40
0,93
1,10
1,28
0,30
1,45
1,62
0,20
1,79
1,97
2,14
0,10
2,31
2,49
0,00
2,66
2,83
3,01
3,18
1,00
3,35
0,90
3,53
3,70
0,80
3,87
0,70
4,04
4,22
0,60
4,39
0,50
4,56
4,74
0,40
4,91
0,30
5,08
0,20
5,26
0,10
3,9
El fichero Weibull.xls es una plantilla para la generacin y anlisis de la distribucin Weibull en

Excel. Su aspecto es el siguiente:
Beta*(-LN(1-ALEATORIO()))^(1/Alfa)
4,4
3,4
2,8
2,3
1,8
1,3
0,8
0,2
0,00
Proyecto e-Math
15
Anexo 1 Hoja Patrn para las variables aleatorias continuas.

Cada una de las hojas de clculo dedicadas al anlisis de una distribucin est dividida en
cinco partes. Cuatro de ellas son externamente visibles y estn dedicadas a presentar la informacin
grfica que describe la distribucin de que se trate para la configuracin de parmetros elegida por el
usuario. La quinta, que permanece oculta bajo las cuatro visibles, 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, grficos,
comparacin de los estadsticos tericos con los muestrales y la descripcin del algoritmo, o
algoritmos, de generacin de variables aleatorias.
Grficos.
-2,3
-1,4
-0,5
0,5
1,4
2,3
3,3
4,2
5,1
6,1
-1,4
-0,5
0,5
1,4
2,3
3,3
4,2
5,1
6,1
CAUCHY(a,b)
f_s
f1_s
f2_s
0,0590 0,05055 1,00000 Posicin (a) 11
-7
0,0074 0,00632 0,00738
0
7
0,0037 0,00316 0,01107
0,46667
Los nombres
no
0,0074
0,00632
Escala
(b)
271
WEIBULL(
,
)0,01845
aparecen
en la
0,0037 0,00316 0,02214
1 10
0,85618
Comparacin de
21
0,07 0,02583
Mnimo hoja de clculo
0,0037 0,00316
0,08250estadsticos
5,02
Mximo
0,0111 0,00948 0,03690
Muestra
A1:A300
Delta
0,1649
0,0148 0,01264
0,05166
300
1
300 0,07011
n corregido
0,0185 0,01580
6,035
20
factor grfico
0,0332 0,02843 0,10332
Estadsticos
KS grfico
0,084829
0,0332 0,02843
0,13653
Tericos Muestra
A1:A300
Indirecto deMnimo
datos
0,0590 0,05055
0,19557
-7,00
-59,32
0,0996 0,08530 0,29520
Media
0,00
-0,39
0,1218 0,10426 0,41697
Mximo
7,00
116,27
0,2103 0,18008 0,62731
Varianza
0,0996 0,08530 0,72694
0,0701 0,06003 0,79705
0,0590 0,05055 0,85609
a-(b/(TAN(PI()*ALEATORIO())))-0,5
0,0369 0,03159 0,89299
a+(b*(N(0,1))/N(0,1)))
0,0332 0,02843 0,92620
0,0258 0,02212 0,95203
0,0037 0,00316 0,95572 a-(b/(TAN(PI()*ALEATORIO())))-0,5
0,0111 0,00948 0,96679
0,0074 0,00632 0,97417
0,0074 0,00632 0,98155
0,0074 0,00632 0,98893
Generacin de la
0,0074 0,00632 0,99631
variable aleatoria.
0,0037 0,00316 1,00000
0,0000 0,00000 1,00000
0,0000 0,00000 1,00000
-2,3
-3,3
-4,2
-5,1
Dis
n
0,048346 16
0,052001
2
0,056248
1
0,061241
2
0,067193
1
0,074403
1
0,083306
32,1
0,094558
4
0,109188
5
0,128881
92,0
0,156548
9
0,197432Muestra
16
300
0,260972 27
0,361017 33
0,500000 57
0,638983 27
0,739028 19
0,802568 16
0,843452 10
0,871119
9
0,890812
7
0,905442
1
0,916694
3
0,925597
2
0,932807
2
0,938759
2
0,943752
2
0,947999
1
0,951654
0
0,954833
0
13
-3,3
-4,2
-6,1
-6,1
Den
0,003655
0,003951
0,004620
0,005472
0,006581
0,008056
0,010078
0,012941
0,017161
0,023680
0,034275
0,052212
0,081793
0,119514
0,138983
0,119514
0,081793
0,052212
0,034275
0,023680
0,017161
0,012941
0,010078
0,008056
0,006581
0,005472
0,004620
0,003951
0,003417
0,000000
-5,1
##
0,25 X
##
## -6,5
## -6,1
0,20-5,6
##
## -5,1
## -4,7
0,15-4,2
##
## -3,7
## -3,3
0,10-2,8
##
## -2,3
## -1,9
0,05-1,4
##
## -0,9
## -0,5
##
0,000,0
## 0,5
## 0,9
## 1,4
1,0 1,9
##
##
0,9 2,3
## 2,8
0,8
## 3,3
0,7 3,7
##
##
0,6 4,2
## 4,7
0,5 5,1
##
0,4 5,6
##
##
0,3 6,1
## 6,5
0,2 7,0
##
0,1
##
##
0,0
##
##
##
Parmetros y
auxiliares
Parmetros y Auxiliares.
En esta zona se indica el
nombre comn, no abreviado, de la
variable aleatoria, sus parmetros,
indicando a veces la funcin de stos,
as como un control para variar tanto el
valor de los parmetros como el
tamao de la muestra aleatoria que se
generar.
CAUCHY(a,b)
Parmetros
Tamao de
la muestra
generada.
Posicin (a) 11
0
Escala (b)
1 10
Muestra
300
Proyecto e-Math
-7
7
0,46667
272
0,86234
0,08235
A1:A300
1
Nombre de la
distribucin.
Los clculos
auxiliares no son
visibles al usuario.
16

Ocultos al usuario (al estar escritos con tinta del mismo color que el fondo) aparecen una serie
de clculos auxiliares. Su descipcin es la siguiente:
Muestra Tamao de la muestra
(Visible) simulada
Mnimo
Valor mnimo terico de

los datos.
Mximo Id al mnimo
Delta
Amplitud del intervalo de

las tablas
n corregido vase ms adelante
factor grfico vase ms adelante
KS grfico vase ms adelante

Direccin en la que se
Datos encuentra la muestra
simulada
Selector de Algoritmo de generacin
algoritmo que ser usado
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%.
Depende de la naturaleza de la v.a. a veces es cero
directamente, lo normal es utilizar el propio algoritmo de
generacin aplicado a una probabilidad pequea (0,01 o
0,05). En el caso de weibull es:
=Beta*(-LN(0,999))^(1/Alfa)
=Beta*(-LN(0,001))^(1/Alfa)
Dividimos el rango terico de la v.a. en 30 partes para
crear primero las tablas y despus los grficos
=(Mximo-Mnimo)/30
Observaciones muestrales que estn incluidas en el
rango X. (En ocasiones distinto del tamao muestral
elegido ya que el rango no es completo y puede que
algn valor generado caiga fuera de l)
=SUMA(L(-3)C(-6):L(26)C(-6))
Es necesario normalizar para que los grficos de las
densidades estn en una misma escala.
=SUMA(Den)/SUMA(f_s)
Banda del estadstico de Kolmogorov Smirnov. Aunque
puede variar segn la v.a. el caso general es
1,3581/RAIZ(n corregido)
Colocaremos la muestra siempre en las dos primeras
columnas de manera que su direccin ser
="A1:A" & Muestra o bien ="B1:B" & Muestra
Cuando es posible se ofrece un segundo mtodo de
generacin de v.a. elegible mediante un selector. Esta
variable indica el mtodo seleccionado.
Comparacin de los estadisticos.

Se calculan tanto los estadsticos tericos de la
Estadsticos
distribucin para los parmetros elegidos como los
Tericos Muestra
observados en la muestra generada. Esta comparacin se
-116,81
Mnimo
-7,00
hace nicamente a efectos informativos y no tiene ningn
3,88
Media
0,00
1053,49
Mximo
7,00
valor de contraste de hiptesis. Es necesario adecuar para
Varianza
cada v.a. los estadsticos empleados, los muestrales se
construyen con las funciones de Excel aplicadas al rango de datos simulados2.
Algoritmo de generacin de la v.a.
Se describe la sintaxis del algoritmo empleado en la generacin de la muestra aleatoria y en
caso de que se proponga ms de un mtodo se habilita un selector que permita al usuario elegir entre
los mtodos propuestos.
a+(b*(N(0,1))/N(0,1)))
2
La v.a Cauchy cuya hoja ha servido de ejemplo par construir esta descripcin no tiene una varianza finita de ah que no se
lleve a cabo su clculo. Por otra parte, al tratarse de una distribucin de colas muy largas y de un tamao muestral
relativamente pequeo la diferencia entre los valores tericos y los muestrales es muy notable.
Proyecto e-Math
17

Tablas de grficos
Ocultas tras los grficos se encuentran las tablas en las que se realizan los
clculos que permiten la representacin grfica tanto de la variable aleatoria terica
como de la muestra simulada.
X
Den
Dis
n
f s
f1 s
0,24 0,116546 0,013871 1 0,0033 0,01921
0,41 0,196334 0,041052 8 0,0268 0,15367
La tabla aparece
oculta detrs de los
grficos. Es la base
para construir stos.
f2 s
0,00333
0,03000
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 Densidad de la v.a.
Dis Distribucin de la v.a.

Frecuencia absoluta de la
ni muestra en funcin de los
valores de X
f_s Densidad de la muestra
f1_s
Densidad corregida de la
muestra
f2_s Distribucin de la muestra
Grficos
0,80
Funcin de densidad de la v.a

e histograma de los datos
simulados. Los rangos son X vs
Den para la densidad de la v.a. y
X vs f1_s para el histograma.
0,70
El primer valor es Mnimo + Delta, los dems se

calculan como L(-1)C + Delta
Funcin de densidad terica evaluada en cada punto de
X. Se utilizan las funciones de Excel cuando stas
existen o bien se construye la frmula manualmente.
Funcin de distribucin terica evaluada en cada punto
de X. Se utilizan las funciones de Excel cuando stas
existen o bien se construye la frmula manualmente.
Se construye a partir de la funcin FRECUENCIA de
Excel. Es matricial
={FRECUENCIA(INDIRECTO(Datos);X)}
Para cada clase, se calcula dividiendo la frecuencia
absoluta de la clase entre el nmero de observaciones
muestrales que estn incluidas en el rango terico
considerado (X):
=LC(-1)/ n corregido
Son los valores anteriores pero corregidos por el factor
grfico para conseguir una misma escala de
representacin de las funciones de densidad terica y
simulada.
=f_s * factor grfico
Para cada clase se calcula dividiendo el valor de la
frecuencia absoluta acumulada (ni) entre los datos
considerados (n corregido):
=SUMA($F$4:F4)/$L$7
0,60
0,50
0,40
0,30
0,20
0,10
Proyecto e-Math
18
4,9
4,5
4,2
3,9
3,5
3,2
2,9
2,5
2,2
1,9
1,6
1,2
0,9
0,6
0,2
0,00

Funcin de distribucin terica
y muestral. Los rangos son X vs
f2_s para la muestral simulada y X
vs Dis para la terica. A esta ltima
se le aade una banda de error
calculada sobre el test de bondad
del ajuste de Kolmogorov-Smirnov
(correspondiente al valor KS grfico
de la tabla de parmetros y
auxiliares) de valor3:
KSg =
1,3581
n
1,00
0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
Vase Law y Kelton
Proyecto e-Math
19
5,3
5,0
4,7
4,4
4,1
3,9
3,6
3,3
3,0
2,7
2,4
2,1
0,00
El aspecto que presentara la hoja en caso de eliminar los grficos y hacer visible las tablas
seria el siguiente:
Proyecto e-Math
20
BIBLIOGRAFA______________________________________________________
[1].
[2].
[3].
[4].
[5].
[6].
[7].
[8].
[9].
[10].
[11].
[12].
[13].
[14].
[15].
[16].
[17].
[18].
[19].
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).
Jambunathan, M. V. "Some Properties of Beta and Gamma Distributions." Ann. Math. Stat. 25, 401-405,
1954.
Kleijnen, J. y Van Groenendaal, W. "Simulation: A Statistical Perspective", Wiley(1992).
Kolarski, I. "On Groups of n Independent Random Variables whose Product Follows the Beta Distribution."
Colloq. Math. IX Fasc. 2, 325-332, (1962).
Krysicki, W. "On Some New Properties of the Beta Distribution." Stat. Prob. Let. 42, 131-137, (1999).
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).
ENLACES___________________________________________________________
[W1]
[W2]
[W3]
[W4]
[W5]
[W6]
[W7]
http://www.xycoon.com/continuousdistributions.htm Borghers, Reymen, y Wessa Resa

Corporation.
"Bradfords Law and related statistical patterns" Essays of an Information Scientist, Vol 4
pg. 476-482 1980.
Measuring risk by Extreme Values.pdf OPERATIONAL RISK SPECIAL REPORT. 2000.
Some EVT tools for estimation of large losses in Insurance.pdf Yuriy Krvavych, Kyiv National
University of Taras, Ukraine
Statistical reliability analysis on Rayleigh Probability Distributions.pdf Russell J. Hoppenstein
2000
Statistically Minimum-loss Design of Averages Control.pdf CHAO-YU CHOU*,Proc. Natl. Sci.
Counc. ROC(A) Vol. 24, No. 6, 2000. pp. 472-479
The Extended Generalized Gamma Model.pdf Gebrenegus Ghilagaber, Stockholm
University, Department of Statistics.
Proyecto e-Math
21

VA Continuas 2

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

VA Continuas 2

Загружено:

Авторское право:

Доступные форматы

Variables aleatorias continuas

VARIABLES ALEATORIAS CONTINUAS (II)

Presentar al estudiante los conceptos bsicos de las variables aleatorias discretas y

RELACIN CON OTROS DOCUMENTOS

Variables aleatorias continuas

Anexo 1 Hoja Patrn para las variables aleatorias continuas. _______________________ 16

Variables aleatorias continuas

la funcin de distribucin no tiene forma cerrada.

el sesgo, la curtosis y el coeficiente de variacin son (respectivamente):

Variables aleatorias continuas

Variables aleatorias continuas

Variables aleatorias continuas

Variables aleatorias continuas

,la funcin de distribucin es:

Variables aleatorias continuas

el sesgo es 0,6311; la curtosis 3,245 y el coeficiente de variacin 0,523 son (respectivamente):

Variables aleatorias continuas

,la funcin de distribucin es:

el sesgo y la curtosis son (respectivamente):

Variables aleatorias continuas

Variables aleatorias continuas

,la funcin de distribucin es:

Variables aleatorias continuas

Algoritmos de generacin (U=ALEATORIO())

,la funcin de distribucin es:

Variables aleatorias continuas

el sesgo, la curtosis y el coeficiente de variacin son (respectivamente):

Variables aleatorias continuas

,la funcin de distribucin es:

el coeficiente de variacin es:

Variables aleatorias continuas

El fichero Weibull.xls es una plantilla para la generacin y anlisis de la distribucin Weibull en

Variables aleatorias continuas

Anexo 1 Hoja Patrn para las variables aleatorias continuas.

Variables aleatorias continuas

Valor mnimo terico de

Amplitud del intervalo de

n corregido vase ms adelante

factor grfico vase ms adelante

KS grfico vase ms adelante

Se controla por formulario, el valor mximo es 300 que

Comparacin de los estadisticos.

Variables aleatorias continuas

Dis Distribucin de la v.a.

f_s Densidad de la muestra

f2_s Distribucin de la muestra

Funcin de densidad de la v.a

El primer valor es Mnimo + Delta, los dems se

Variables aleatorias continuas

Vase Law y Kelton

Variables aleatorias continuas

Variables aleatorias continuas

Bennet B.S "Simulation Fundamentals", Prentice Hall (1995)

http://www.xycoon.com/continuousdistributions.htm Borghers, Reymen, y Wessa Resa

Вам также может понравиться