FACULTAD DE MECNICA

ESCUELA DE INGENIERA INDUSTRIAL

SIMULACIN

Nombres:

CEVALLOS HORTENCIO

1311

GANAZHAPA JUAN CARLOS

1443

Fecha de envo:

2014 11 25

Fecha de entrega:

2014 12 02
DISTRIBUCIN DE PROBABILIDADES

Problemas de aplicacin de distribucin de probabilidades:

Uniforme.
Exponencial.
Poisson.

Este documento ha sido realizado en LibreOffice, bajo Licencia Pblica de Mozilla V2.0
Copyright 2000, 2014 LibreOffice

ESPOCH

INGENIERA INDUSTRIAL

2014

OBJETIVOS:

OBJETIVO GENERAL
Aplicar las distribuciones de probabilidades uniformes, exponenciales y de posion,
a problemas de simulacin de modelos matemticos

OBJETIVOS ESPECFICOS:
Crear en el estudiante un concepto crtico alrededor de este tema, para que lo
conjugue con situaciones reales.
Simular eventos de distinta ndole, con mtodos matemticos y estadsticos, para
llegar a un resultado igual o parecido al de la vida real.
Describir brevemente la distribucin de Poisson para la generacin de variables
aleatorias, aplicadas en la simulacin de eventos reales.

SIMULACIN

PROBLEMAS DE DISTRIBUCIN DE PROBABILIDADES

ESPOCH

INGENIERA INDUSTRIAL

2014

PROBLEMA 1
Un autobs llega cada 20 minutos a una parada determinada cuya
distribucin est entre 7 y 7 y media de la maana. Simule el proceso para
10 llegadas del vehculo en la misma parada sabiendo que su distribucin
es uniforme.

DATOS

P( x )= f (x )dx

a=
b=

A =Bf ( x)
f ( x)=

1=(ba)f ( x)

1
(ba)
x

P( x )= (
0

P ( x)=

1
1
)dx = (
)( xa)
ba
ba

xa
b a

(1)

x a
ba
R i Nmeros pseudoaleatorios
R i=P (x )=

n
1
2
3
4
5
6
7
8
9
10

7
7.5

R
0.27657
0.03728
0.25246
0.17127
0.34506
0.29724
0.99421
0.98903
0.48714
0.11110

X
7.14
7.02
7.13
7.09
7.17
7.15
7.50
7.49
7.24
7.06

71.98

n=

10

x=

x=a+( ba )Ri

(2)
s=

7.20
07H12
0.17

Respuesta: Es muy probable que las 10 llegadas del autobs, sean a las 07H12, durante
los mismos 10 eventos,segn la distribucin de probabilidad dada. Adems, el tiempo
est entre las 07H00 y las 07H30 en la que le autobs llega a la parada.

SIMULACIN

PROBLEMAS DE DISTRIBUCIN DE PROBABILIDADES

ESPOCH

INGENIERA INDUSTRIAL

2014

PROBLEMA 2
Suponga que la vida de una lmpara industrial en miles de horas se
encuentra distribuida exponencialemnte con una razn de 1/3, sto
significa 1 falla cada 3000 horas. a) Calcular la probabilidad de que la
lmpara dure ms de 3000 horas. b) Calcular la probabilidad de que la
lmpara dure ente 2000 y 3000 horas.

DATOS
x

P( x )= f (x )dx
0

f ( x)= e x
x

0.0003

X i = Ti (horas)=

2000

X f = Tf (horas) =

3000

P( x )= e x dx= e x dx
0

P ( x)=1e x

(1)

R i=P (x )=1e x
R i Nmeros pseudoaleatorios
x=

1
ln(1R i )

SIMULACIN

(2)

PROBABILIDADES

P( x)3000 h

63.21%

P( x) 3000h
2000h

85.45%

PROBLEMAS DE DISTRIBUCIN DE PROBABILIDADES

ESPOCH

INGENIERA INDUSTRIAL

2014

PROBLEMA 3: DISTRIBUCIN DE POISSON

El nmero de clientes que llega a un banco est descrito por una

distribucin de Poison, con una media de 4 arribos cada media hora.
Simule el arribo de los clientes sobre un perodo de media hora.

DISTRIBUCIN DE POISSON

DATOS

P( x )= f (x )dx

t i (horas) =

0.5

x=0,1, 2, 3, ... ,
f ( x)=

X e
x!
x

P( x )=
0

X e
dx
x

P ( x)=e x

(1)

R i=P (x )=e x
R i Nmeros pseudoaleatorios

(2)

n+1

i =1

i= 1

ti

i= 1
0.2302
0.4819
0.6467
0.6551
0.8405
1.1146
1.1553
1.3595
1.6350
1.7116

n
1
2
3
4
5
6
7
8
9
10

0.39822
0.36538
0.51730
0.96695
0.47637
0.33406
0.84970
0.44180
0.33220
0.73605

0.2302
0.2517
0.1648
0.0084
0.1854
0.2741
0.0407
0.2042
0.2755
0.0766

1.71

CONDICIN
1
x= ln( R i )

ti

t i t i

n=

10

Arribos en t = 0.5 horas

X=

Respuesta: El nmero de clientes que ingresa al banco sobre un perodo de media hora
es de 8 , teniendo en cuenta, que los nmeros pseudo-aleatorios cumplen las condiciones
de uniformidad y de independencia para la distribucin de Poisson que se pide.

SIMULACIN

PROBLEMAS DE DISTRIBUCIN DE PROBABILIDADES

ESPOCH

INGENIERA INDUSTRIAL

2014

PROBLEMA 4
En una estacin con una sola mquina existen 5 piezas listas
para procesarse. El tiempo de proceso de las piezas sigue una
distribucin de probabilidad exponencial con media de 15
minutos. Determine el tiempo total que le llevar a la mquina
procesar 10 piezas. Para la simulacin utilice 10 nmeros
pseudo aleatorios generados por el mtodo congruencial mixto.

NMEROS PSEUDO-ALEATORIOS MTODO CONGRUENCIAL MIXTO

LINEAL

X n +1=(aX n + C) moc ( m)
g

N =m=2 g>0
a=1+4 k
r i=

k 0

X n +1
m1

Xo =
k=
g=
c=

23
4
5
31

X1 =
X2 =
X3 =
X4 =
X5 =
X6 =

6
5
20
19
2
1

r1
r2
r3
r4
r5
r6

=
=
=
=
=
=

0.19355
0.16129
0.64516
0.61290
0.06452
0.03226

X7 =

16

r7 =

0.51613

X8 =
X9 =
x10 =

15
30
29

r8 =
r9 =
r10 =

0.48387
0.96774
0.93548

SIMULACIN

N=m=
a=

32
17

PROBLEMAS DE DISTRIBUCIN DE PROBABILIDADES

ESPOCH

INGENIERA INDUSTRIAL

2014

PRUEBAS DE UNIFORMIDAD
MIN
MAX
RANGO
AMPLITUD
m
Grad. Lib. (n-1
Nivel de confia

/2
n=

R=MxMn
A =R /m
m= n
9
95.0%
0.05
0.025

Z / 2
MEDIA
VARIANZA

0.03226
0.96774
0.93548
0.18710
5
-1.96
1.96
9.71871
134.98620

10

INTERVALOS
Min
0.03226
0.21935
0.40645
0.59355
0.78065

FRECUENCIA

Max
0.21935
0.40645
0.59355
0.78065
0.96774

Oi
4
0
2
2
2

Ei=n/m
2
2
2
2
2

10

10

Chi-Cuadrado
Ei-Oi
-2
2
0
0
0

(Ei-Oi)2
4
4
0
0
0

(Ei-Oi)2/Ei
2
2
0
0
0

Chi
cuadrado

MEDIA
LI x =0,5Z / 2(

1
)
12(n1)

LI x

LS x =0,5+Z /2 (

1
)
12(n1)

LSx

H o x =0,5

x 0,5

H a x 0,5

x <0,5

LI x x LS x
i

0.31140

0.68860

(0.31140 < 0.5 < 0.68860)

SE ACEPTA LA HIPTESIS NULA

SIMULACIN

PROBLEMAS DE DISTRIBUCIN DE PROBABILIDADES

ESPOCH

INGENIERA INDUSTRIAL

2014

VARIANZA
LI Vx=

LSVx =

x (1/ 2 ;n1)

LI Vx

12(n1)
x ( /2 ;n1)

LSVx

12 (n1)

H o V x=

1
12

V x

1
12

H a V x

1
12

V x<

1
12

0.02500

0.15667

LI VxVxLS Vx
(0.02500 < 0.08333 < 0.15667)
SE ACEPTA LA HIPTESIS NULA

Chi-cuadrado calculado

16.92
Chi-cuadrado tabulado
2.7

CHI-CUADRADO
x 1 /2< x calc < x / 2
(2.70 < 4 < 16.92)
SE ACEPTA LA HIPTESIS NULA

SIMULACIN

PROBLEMAS DE DISTRIBUCIN DE PROBABILIDADES

PRUEBAS DE INDEPENDENCIA

PRUEBA ESTADSTICA DE KOLMOGOROV-SMIRNOV

MEDIA
DESVIACIN ESTNDAR
MNIMO
MXIMO
RANGO
NMERO DE DATOS
NMERO DE INTERVALOS STURGES
NMERO DE INTERVALOS DE RAZ n

PROMEDIO
DESVEST
MN
MX
R=MX MN
n
1+3.3log(n)
m= n
A=R/ m

TAMAO DEL INTERVALO

0.46129
0.34073
0.03226
0.96774
0.93548
10
4.3
5
0.18710

Intervalos
I

Lm. Inferior
LI

Lm. Superior
LS

Frec. Obs.
Oi

Frec. Obs. Relativa

FOR

Frec. Obs. Relativa Acumulada

FORA

0.03226

0.21935

0.4

0.4

0.21935

0.40645

0.4

0.40645

0.59355

0.2

0.6

0.59355

0.78065

0.2

0.8

0.78065

0.96774

0.2

10

Frec. Esperada. Relativa Acumulada

FERA

ABS(FORA-FERA)

0.2388339787

0.0360677463

0.4360677463

0.0360677463

0.6510531179

0.0510531179

0.8256919579

0.0256919579

0.9314118444

0.0685881556

ESTIMADOR SMIRNOV-KOLMOGOROV

0.0685882

GRADO DE LIBERTAD
0.05

10
0.40925

CONDICIN
Estimador Kolmogorov <Valor KS Tabulado
SE ACEPTA LA HIPTESIS NULA

ESPOCH

INGENIERA INDUSTRIAL

2014

PRUEBAS DE CORRIDAS ARRIBA Y ABAJO

n=
0.19355
0.16129
0.64516
0.61290
0.06452
0.03226
0.51613
0.48387
0.96774

10

S=

0, 1, 0, 0, 0, 1, 0, 1, 0

Co =

Co =

0.93548

MEDIA

6.33333

VARIANZA

1.45556

DESVIACION ESTANDAR

1.20646

ESTADISTICO CALCULADO

-2.76289

ESTADISTICO TABULADO

1.96

Inverso de desv estandar

-1.96

CONDICION

z / 2C < z /2 T

SE ACEPTA LA HIPTESIS NULA

SIMULACIN

PROBLEMAS DE DISTRIBUCIN DE PROBABILIDADES

ESPOCH

INGENIERA INDUSTRIAL

PRUEBAS DE CORRIDAS ARRIBA Y ABAJO RESPECTO DE LA MEDIA

0.19355
0.16129
0.64516
0.61290
0.06452
0.03226
0.51613
0.48387

n=

10
S=

0,0,1,1,0,0,1,0,1,1

Co =
Co =

2
2
5
5

n0 =
n1 =

0.96774
0.93548

MEDIA

5.50000

VARIANZA

2.22222

DESVIACION ESTANDAR

1.49071

ESTADISTICO CALCULADO

-2.34787

ESTADISTICO TABULADO

1.96

Inverso de desv estandar

-1.96

CONDICION

Z / 2 <Z /2 Co<Z / 2

SE ACEPTA HIPTESIS NULA

SIMULACIN

PROBLEMAS DE DISTRIBUCIN DE PROBABILIDADES

2014

PRUEBA DE POKER

CATEGORA

PROBABILIDAD

Valor esperado Prob*n Valor Observado

Chi cuadrado
Ei
Oi
3.024
4
0.3150

Todos diferentes (TD)

0.3024

Exactamente un par (1P)

0.5040

5.04

0.1829

Dos pares (2P)

0.1080

1.08

1.0800

Uan tercia y un par (TP)

0.0090

0.09

0.0900

Tercia (T)
Pker(P)
Quintilla(Q)

0.0720
0.0045
0.0001

0.72
0.045
0.001

0
0
0

0.7200
0.0450
0.0010

10

2.4339

n=

10

0.19355
0.16129
0.64516
0.61290
0.06452
0.03226

TD
1P
1P
TD
TD
1P

0.51613

1P

0.48387
0.96774

1P
1P

0.93548

TD

CHI CUADRADO CALCULADO

CHI CUADRADO TABULADO
CONDICIN:

X c < x t
SE ACEPTA LA HIPTESIS NULA

2.4339
12.59

ESPOCH

INGENIERA INDUSTRIAL

2014

RESOLUCIN DEL PROBLEMA:

Despus de haber comprobado que los nmeros pseudo-aleatorios generados mediante el
mtodo congruencial mixto (lineal), son uniformes e independientes, el problema se resuelve
de la siguiente manera:

DATOS
x

0.3333

R
0.19355
0.16129
0.64516
0.61290
0.06452
0.03226
0.51613
0.48387
0.96774
0.93548

X
0.0717
0.0586
0.3454
0.3164
0.0222
0.0109
0.2420
0.2205
1.1447
0.9136

3.35

P( x )= f (x )dx
0

n
1
2
3
4
5
6
7
8
9
10

f ( x)= e x
x

x
x

P( x )= e
0

dx= e x dx

P ( x)=1e x

(1)

Ri=P (x )=1e x
Ri Nmeros pseudoaleatorios

.
n=

x=

1
ln(1R i )

10

(2)
x=

0.3346

s=

0.3889

Respuesta: El tiempo que le tomar a la mquina procesar 10 piezas es de

3.35m minutos, teniendo un promedio de 0.3346 en cada pieza.

SIMULACIN

PROBLEMAS DE DISTRIBUCIN DE PROBABILIDADES

ESPOCH

INGENIERA INDUSTRIAL

2014

CONCLUSIONES:

A nuestro parecer, las distribuciones de probabilidades, arrojan resultados ptimos y

factibles para la simulacin de eventos reales. Hay que tener muy en cuenta, que la
generacin de nmeros pseudo-aleatorios, ayuda mucho a la determinacin y la
simulacin de un evento cualquiera que ste sea, eso s, se deben realizar las pruebas
de uniformidad y de independencia de los mismos, para poderlos aplicar en una
simulacin con distribuciones de probabilidades.

Luego del anlisis, y de la aplicacin del mtodo, la distribucin de Poisson se resume

en las siguientes frmulas:
DISTRIBUCIN DE POISSON
x

P (x )= f (x )dx
0

x=0,1, 2, 3,... ,
f (x )=

X e
x!
x

e
P (x )=
x
0

P ( x)=e x

dx
(1)

R i=P ( x)=e
R i Nmeros pseudoaleatorios
CONDICIN
1
x= ln( R i )

(2)

n+1

t i t i

i=1
i =1

Donde :
Nmeros de arribos y ;
t i tiempo medio enel que se da un evento .

SIMULACIN

PROBLEMAS DE DISTRIBUCIN DE PROBABILIDADES

ESPOCH

INGENIERA INDUSTRIAL

2014

RECOMENDACIONES:

Se pueden realizar muchas simulaciones de todo tipo de eventos, pero desarrollndolos

en un software de simulacin, y compararlos con los resultados que se obtienen
matemtica y estadsticamente; as se podr comprobar si los resultados que
obtenemos, son cercanos o iguales a los que arroja un resultado con software de
simulacin de procesos.

La revisin de teora de los mtodos de generacin de variables aleatorias, nos ayudar

mucho a nosotros como estudiantes, y el criterio de simular un evento real, ser
siempre el de desarrollar en nosotros un criterio tcnico, por ello, recomendamos
realizar ms simulaciones con problemas de este tipo de modelos.

Este documento ha sido realizado en LibreOffice, bajo Licencia Pblica de Mozilla V2.0
Copyright 2000, 2014 LibreOffice

SIMULACIN

PROBLEMAS DE DISTRIBUCIN DE PROBABILIDADES