Академический Документы
Профессиональный Документы
Культура Документы
(3655)2 = 13359,025
2
(3590) = 12888,100
13359025
12888100
Xi - 1
F (x)
1
1
x
Distribucin acumulada de los
nmeros uniformes (0, 1)
Distribucin de
probabilidad
f (x) =
0 si 1 < X < 0
En esta expresin, x es una variable aleatoria definida en el intervalo cerrado ( 0,1 ).
Por otra parte, la distribucin acumulada F (x) de una variable x uniformemente distribuida
se obtiene como:
x
F (x) =
1 dx = x
o
El valor esperado y la varianza de una variable aleatoria uniformemente distribuida
estn dadas por las siguientes expresiones:
x
E (x) =
o
x (1) dx =
o
1
2
var (x) =
(x
0
( 1 ) dx =
1
12
x =
u1 + u2 + .......+ un
n
(x
) n
(1/12)
0.05230
0.12079
0.82654
0.98611
0.57880
0.73059
0.76910
0.45679
0.33216
0.17028
0.30861
0.26593
.65559
0.88809
0.62400
0.85853
0.53559
0.65002
0.40644
0.07281
0.10699
0.27738
0.29453
0.34488
0.67621
0.70119
0.68334
0.21631
0.03185
0.05475
0.83358
0.85903
.38507
0.81772
0.09133
0.88752
0.33381
0.74579
0.08128
0.64183
0.55877
0.65726
0.20852
0.34358
0.05010
0.18284
0.55170
0.87616
0.61168
0.91512
0.51781
0.43308
0.90829
0.36982
0.41678
0.33729
0.49383
0.79113
0.73435
0.44267
0.14151
0.79269
0.42989
0.11537
0.00121
0.49962
0.10850
0.55743
0.09264
0.76262
0.03272
0.35286
0.94187
0.19904
0.33954
0.15506
0.75103
0.63453
0.22724
0.72102
x = 0.48234.
El estadstico Z0 es:
Z0 =
(x
) n
(1/12)
( 0.48234
0.5 )
(1/12)
100
Z0 =
0.61.
, el cual se obtiene de
n
2
=
i=1
( FOi
FEi )2 .
FEi
0.05230
0.12079
0.82654
0.98611
0.57880
0.73059
0.76910
0.45679
0.33216
0.17028
0.30861
0.26593
0.65559
0.88809
0.62400
0.85853
0.53559
0.65002
0.40644
0.07281
0.10699
0.27738
0.29453
0.34488
0.67621
0.70119
0.68334
0.21631
0.03185
0.05475
0.83358
0.85903
0.38507
0.81772
0.09133
0.88752
0.33381
0.74579
0.08128
0.64183
0.55877
0.65726
0.20852
0.34358
0.05010
0.18284
0.55170
0.87616
0.61168
0.91512
0.51781
0.43308
0.90829
0.36982
0.41678
0.33729
0.49383
0.79113
0.73435
0.44267
0.14151
0.79269
0.42989
0.11537
0.00121
0.49962
0.10850
0.55743
0.09264
0.76262
0.03272
0.35286
0.94187
0.19904
0.33954
0.15506
0.75103
0.63453
0.22724
0.72102
0
0.2
0.4
0.6
0.8
En base a lo anterior, y aplicando la ecuacin, se tiene:
1.0
5
2
= ( FOi - FEi )2 = 1 (21 - 20)2 +(22 - 20)2 +(19 - 20)2 +(23 - 20)2 +(15 - 20)2 = 2
FEi
20
i=1
Si se especifica un
= 0.05, entonces
tabla de distribucin ji-cuadrada).
, (n - 1), =
.05, (5 - 1),
= 9.49
( de la
n)
( 0.1 ) ( 0.9 )
(m + n)
= ( 0.9 )
m=0
i
0
1
2
3
.
.
.
i
.
.
.
.
n
Pi
0.1
( 0.1 ) ( 0.9 )
( 0.1 ) ( 0.9 )2
( 0.1 ) ( 0.9 )3
.
.
.
( 0.1 ) ( 0.9 )i
.
.
.
.
( 0.9 )n
TOTAL
1.0
FOi
FO0
FO1
FO2
FO3
.
.
.
FOi
.
.
.
.
FOn
FEi
( FOi ) ( 0.1 )
( FOi ) ( 0.1 ) ( 0.9 )
( FOi ) ( 0.1 ) ( 0.9 )2
( FOi ) ( 0.1 ) ( 0.9 )3
.
.
.
( FOi ) ( 0.1 ) ( 0.9 )i
.
.
.
.
( FOi ) ( 0.9 )n
FOi
FOi
, el cual se obtiene de
n
2
=
i=1
( FOi
FEi )2 .
FEi
2
Este estadstico se compara con 2 , n . Si 2 0
, n, entonces la muestra
pasa la prueba de la distancia considerando a los nmeros como dgitos, por lo que se
consideran aleatorios.
NOTA: es necesario sealar que el valor seleccionado de n debe ser tal que la suma de
las frecuencias esperadas de los tamaos de hueco agrupados sea mayor que 5.
Ejemplo: de la tabla 2.1 de 100 nmeros vista anteriormente:
0.78961
0.76086
0.80548
0.58518
0.89898
0.28269
0.38618
0.79982
0.58962
0.69623
0.29931
0.57410
0.24000
0.93655
0.54325
0.58244
0.23949
0.19962
0.19147
0.22287
Elaborado por M. C. Jos A. Estrada B.
0.05230
0.12079
0.82654
0.98611
0.57880
0.73059
0.76910
0.45679
0.33216
0.17028
0.30861
0.26593
0.65559
0.88809
0.62400
0.85853
0.53559
0.65002
0.40644
0.07281
0.10699
0.27738
0.29453
0.34488
0.67621
0.70119
0.68334
0.21631
0.03185
0.05475
0.83358
0.85903
0.38507
0.81772
0.09133
0.88752
0.33381
0.74579
0.08128
0.64183
0.55877
0.65726
0.20852
0.34358
0.05010
0.18284
0.55170
0.87616
0.61168
0.91512
0.51781
0.43308
0.90829
0.36982
0.41678
0.33729
0.49383
0.79113
0.73435
0.44267
0.14151
0.79269
0.42989
0.11537
0.00121
0.49962
0.10850
0.55743
0.09264
0.76262
0.03272
0.35286
0.94187
0.19904
0.33954
0.15506
0.75103
0.63453
0.22724
0.72102
10
FOi
48
28
14
7
97
FEi
(0.1)(97) =
9.700
(0.1)(0.9)(97) = 8.730
(0.1)(0.9)2(97) = 7.857
(0.9)3(97) =
70.713
97.000
Como la frecuencia esperada para cada tamao de hueco es mayor que cinco, no
hay necesidad de agrupar tamaos de hueco. Entonces:
2
Si consideramos un
la tabla chi-cuadrada).
= 0.05, entonces
,n
.05, 3
(1-
)i , para i = 1, 2, ......, n
11
(1-
n:
)m+n = ( 1 -
)n
n=0
Pi
(1(1(1.
.
.
(1.
.
.
.
(11.0
FOi
FO0
FO1
FO2
FO3
.
.
.
FOi
.
.
.
.
FOn
FOi
)
)2
)3
)i
)n
=
i=1
FEi
( FOi ) ( )
( FOi ) ( 1 ( FOi ) ( 1 ( FOi ) ( 1 .
.
.
( FOi ) ( 1 .
.
.
.
( FOi ) ( 1 FOi
2
)
)2
)3
)i
)n
, el cual se obtiene de
( FOi
FEi )2 .
FEi
2
Este estadstico se compara con 2 , n . Si 2 0
, n, entonces la muestra
pasa la prueba de la distancia considerando a los nmeros como reales, por lo que son
aleatorios.
NOTA: es necesario sealar que el valor seleccionado de n debe ser tal que la suma de
las frecuencias esperadas de todos los tamaos de hueco agrupados debe ser
mayor que 5.
12
0.78961
0.76086
0.80548
0.58518
0.89898
0.28269
0.38618
0.79982
0.58962
0.69623
0.29931
0.57410
0.24000
0.93655
0.54325
0.58244
0.23949
0.19962
0.19147
0.22287
0.05230
0.12079
0.82654
0.98611
0.57880
0.73059
0.76910
0.45679
0.33216
0.17028
0.30861
0.26593
0.65559
0.88809
0.62400
0.85853
0.53559
0.65002
0.40644
0.07281
0.10699
0.27738
0.29453
0.34488
0.67621
0.70119
0.68334
0.21631
0.03185
0.05475
0.83358
0.85903
0.38507
0.81772
0.09133
0.88752
0.33381
0.74579
0.08128
0.64183
0.55877
0.65726
0.20852
0.34358
0.05010
0.18284
0.55170
0.87616
0.61168
0.91512
0.51781
0.43308
0.90829
0.36982
0.41678
0.33729
0.49383
0.79113
0.73435
0.44267
0.14151
0.79269
0.42989
0.11537
0.00121
0.49962
0.10850
0.55743
0.09264
0.76262
0.03272
0.35286
0.94187
0.19904
0.33954
0.15506
0.75103
0.63453
0.22724
0.72102
de
i
0
1
2
3
TOTAL
El estadstico
Pi
0.400
0.240
0.144
0.216
1.000
FOi
FEi
11 16.00
12
9.60
11
5.76
6
8.64
40 40.00
es entonces:
3
2
=
i=0
2
= 7.7361
13
3/n
2/n
1/n
1/n 2/n 3/n
(n-1)/n 1
n
2
( FOi, j
i=1
n
N-1
j=1
(N 1)
n2
2
donde FOi,j es la frecuencia observada de cada celda ( i, j ). Si 2 0
, n2- 1 , entonces
la muestra pasa la prueba de series, por lo que los nmeros se consideran aleatorios.
Ejemplo: tomando la tabla 2.1 de 100 nmeros y utilizando un valor de n = 5:
0.78961
0.76086
0.80548
0.58518
0.89898
0.28269
0.38618
0.79982
0.58962
0.69623
0.29931
0.57410
0.24000
0.93655
0.54325
0.58244
0.23949
0.19962
0.19147
0.22287
Elaborado por M. C. Jos A. Estrada B.
0.05230
0.12079
0.82654
0.98611
0.57880
0.73059
0.76910
0.45679
0.33216
0.17028
0.30861
0.26593
0.65559
0.88809
0.62400
0.85853
0.53559
0.65002
0.40644
0.07281
0.10699
0.27738
0.29453
0.34488
0.67621
0.70119
0.68334
0.21631
0.03185
0.05475
0.83358
0.85903
0.38507
0.81772
0.09133
0.88752
0.33381
0.74579
0.08128
0.64183
0.55877
0.65726
0.20852
0.34358
0.05010
0.18284
0.55170
0.87616
0.61168
0.91512
0.51781
0.43308
0.90829
0.36982
0.41678
0.33729
0.49383
0.79113
0.73435
0.44267
0.14151
0.79269
0.42989
0.11537
0.00121
0.49962
0.10850
0.55743
0.09264
0.76262
0.03272
0.35286
0.94187
0.19904
0.33954
0.15506
0.75103
0.63453
0.22724
0.72102
14
3
4
3
5
6
3
5
3
5
6
.2
3
5
2
4
5
.4
4
6
6
4
2
.6
2
2
5
4
2
.8
Y
0.0- 0.2
X
0.0- 0.2
Y
0.2- 0.4
X
0.0 - 0.2
Y
0.4- 0.6
X
0.0- 0.2
Y
0.6- 0.8
X
0.0- 0.2
Y
0.8- 1.0
.19662
.05230
.07281
.03185
.05010
.11537
.19147
.12079
.10699
.05475
.18284
.00121
6
.19147
.17028
.10699
.03272
.19904
.22287
.30861
.27738
.35286
.33954
5
.187284
.00121
.10850
.55170
.49962
.55743
3
.08128
.14151
.09264
.15506
.64183
.79269
.76262
.75103
4
.12079
.05475
.09133
.82654
.83358
.88752
3
X
0.2 - 0.4
Y
0.0 - 0.2
X
Y
0.2 - 0.4 - 0.2 - 0.4
X
0.2 - 0.4
Y
0.4 - 0.6
X
0.2 - 0.4
Y
0.6 - 0.8
X
0.2 - 0.4
Y
0.8 - 1.0
.23949
.22287
.33216
.21631
.34358
.33954
.19962
.05230
.17028
.03185
.05010
.15506
6
.28269
.30861
.27738
.29453
.20852
.38618
.26593
.29453
.34488
.34358
5
.29931
.36982
.33729
.57410
.41678
.49383
3
.38618
.26593
.34488
.33381
.22724
.79982
.65559
.67621
.74579
.72102
5
.24000
.38507
.35286
.93655
.81772
.94187
3
X
0.4 - 0.6
Y
0.0 - 0.2
X
Y
0.4 - 0.6 - 0.2 - 0.4
X
0.4 - 0.6
Y
0.4 - 0.6
X
0.4 - 0.6
Y
0.6 - 0.8
X
0.4 - 0.6
Y
0.8 - 1.0
.40644
.44267
.42989
.49962
.55743
.07281
.14151
.11537
.10850
.09264
5
.57410
.58244
.45679
.41678
.54235
.51781
.58244
.43308
2
.58962
.57880
.53359
.55877
.49383
.69623
.73059
.65002
.65726
.79133
5
.58518
.55170
.43308
.89898
.87616
.90829
3
X
0.6 - 0.8
Y
0.0 - 0.2
X
Y
0.6 - 0.8 - 0.2 - 0.4
X
0.6 - 0.8
Y
0.4 - 0.6
X
0.6 - 0.8
Y
0.6 - 0.8
X
0.6 - 0.8
Y
0.8 - 1.0
.74579
.76262
.08128
.03272
2
.69623
.68334
.65726
.63453
.79982
.76910
.65002
.64183
.73435
.79269
.58962
.45679
.40644
.55877
.44267
.42989
6
.78961
.73059
.67261
.70119
.79113
.75103
.76086
.76910
.70119
.68334
.73435
.63453
6
.76086
.65559
.62400
.61168
.80548
.88809
.85853
.91512
4
FO11
FO21
FO31
FO41
FO12
FO22
FO32
.24000
.23949
.33216
.33729
4
FO13
FO14
FO23
FO24
FO33
FO34
FO42
.29931
.21631
.20852
.22724
4
FO43
FO44
FO15
FO25
FO35
FO45
X
0.8 - 1.0
Y
0.0 - 0.2
X
Y
0.8 - 1.0 - 0.2 - 0.4
X
0.8 - 1.0
Y
0.4 - 0.6
X
0.8 - 1.0
Y
0.6 - 0.8
X
0.8 - 1.0
Y
0.8 - 1.0
.81772
.94187
.09133
.19904
2
.89898
.85903
.88752
.90829
.80548
.93655
.98611
.85853
.91512
.58518
.54325
.57880
.53559
.51781
5
.88809
.87616
.62400
.61168
2
.82654
.83358
.98611
.85903
2
FO51
FO52
.28269
.38507
.33381
.36982
4
FO53
Elaborado por M. C. Jos A. Estrada B.
FO54
FO55
15
Calculando el estadstico
n
2
( FOi, j
i=1
n
N-1
j=1
(N 1)
n2
= 25 5(2 3.96)2 + 5(3 3.96)2 + 5(4 3.96)2 + 6(5 3.96)2 + 4(6 3.96)2 = 11.86.
99
Para un valor de
, n2-1 =
.05,24
= 36.4.
2
2
Puesto que
0 = 11.86 <
.05,24 = 36.4, se acepta H0, los nmeros pasan la
prueba de series, por lo que se consideran aleatorios.
= 0.3024.
= 0.5040.
5!
2 ! (5 2) !
5!
2 ! (5 2) !
5!
3 ! (5 3) !
5!
3 ! (5 3) !
3!
2!(32)!
= 0.1080.
= 0.0720.
2!
2!(22)!
= 0.0090.
16
5!
4 ! (5 4) !
= 0.0045.
5!
= 0.0001.
5 ! (5 5) !
Con estos valores y con la cantidad de nmeros generados, se puede calcular la
frecuencia esperada de cada posible resultado. El estadstico utilizado en esta prueba es:
7
2
( FOi
FEi )2 .
FEi
i=1
2
Este estadstico se compara con
, , donde
esperadas que se tienen que agrupar.
0
es el nmero de frecuencias
Si 2 0
< 2 , , entonces la muestra pasa la prueba de pker, por lo que los
nmeros se consideran aleatorios.
NOTA: es importante sealar que el valor seleccionado de n debe ser tal que la suma de
las frecuencias esperadas de todas las corridas agrupadas sea mayor que 5.
Ejemplo:
Si se aplica la prueba de pker a los nmeros de la tabla 2.1:
TABLA 2.1.- Nmeros aleatorios.
0.78961
0.76086
0.80548
0.58518
0.89898
0.28269
0.38618
0.79982
0.58962
0.69623
0.29931
0.57410
0.24000
0.93655
0.54325
0.58244
0.23949
0.19962
0.19147
0.22287
0.05230
0.12079
0.82654
0.98611
0.57880
0.73059
0.76910
0.45679
0.33216
0.17028
0.30861
0.26593
0.65559
0.88809
0.62400
0.85853
0.53559
0.65002
0.40644
0.07281
0.10699
0.27738
0.29453
0.34488
0.67621
0.70119
0.68334
0.21631
0.03185
0.05475
0.83358
0.85903
0.38507
0.81772
0.09133
0.88752
0.33381
0.74579
0.08128
0.64183
0.55877
0.65726
0.20852
0.34358
0.05010
0.18284
0.55170
0.87616
0.61168
0.91512
0.51781
0.43308
0.90829
0.36982
0.41678
0.33729
0.49383
0.79113
0.73435
0.44267
0.14151
0.79269
0.42989
0.11537
0.00121
0.49962
0.10850
0.55743
0.09264
0.76262
0.03272
0.35286
0.94187
0.19904
0.33954
0.15506
0.75103
0.63453
0.22724
0.72102
17
CORRIDAS
FRECUENCIA
OBSERVADA
FOi
23
58
8
10
1
0
0
100
FRECUENCIA
ESPERADA
FEi
0.3024 (100)
0.5040 (100)
0.1080 (100)
0.0720 (100)
0.0090 (100)
0.0045 (100)
0.0001 (100)
1.0
(100)
= 30.24
= 50.40
= 10.80
= 7.20
= 0.90
= 0.45
= 0.01
= 100.00
Sin embargo, dado que las frecuencias esperadas de full, pker y quintilla son
menores que 5, es necesario agruparlas con la frecuencia esperada de tercia.
7
2
=
i=1
( FOi
FEi )2 .
FEi
= 4.3
Seleccionando un valor de
= 0.05, el valor de
.05,3
= 7.81.
Como 2 0 = 4.3 < 2 .05,3 = 7.81, se acepta la hiptesis H0 , los nmeros pasan la
prueba de pker, por lo que se consideran aleatorios.
18
Luego, el estadstico
=
i=1
( FOi
FEi )2 .
FEi
Frecuencia Observada
FOi
18
6
6
2
4
3
Frecuencia Esperada
FEi
25.5000000
12.6250000
6.2500000
3.0937500
1.5312500
0.7578125
frecuencias
menores
que 5 que se
deben agrupar (
)
19
Calculando el estadstico
:
n
=
i=1
( FOi
FEi )2 .
FEi
= 8.14
Seleccionando un valor de
= 0.05, el valor de
.05,3
= 7.81.
20
Ejemplo:
Si se aplica la prueba de corridas arriba y abajo a los nmeros de la tabla 2.1
0.78961
0.76086
0.80548
0.58518
0.89898
0.28269
0.38618
0.79982
0.58962
0.69623
0.29931
0.57410
0.24000
0.93655
0.54325
0.58244
0.23949
0.19962
0.19147
0.22287
1
1
1
1
1
1
1
0
1
0
1
0
0
1
0
1
0
1
0
1
0
1
1
1
0
1
0.05230
1 0.12079
0.82654
1 0.98611
0.57880
0.73059
2 0.76910
0.45679
1 0.33216
0.17028
1 0.30861
0.26593
1 0.65559
0.88809
1 0.62400
0.85853
0.53559
0.65002
1 0.40644
0.07281
1
1
2
0
0
0
1
0
0
1
1
1
0
1
0
0
1
0
1
0
1
1
0
0.10699
3 0.27738
0.29453
0.34488
0.67621
2 0.70119
0.68334
0.21631
0.03185
1 0.05475
0.83358
0.85903
2 0.38507
0.81772
0.09133
1
0.88752
0.33381
1 0.74579
0.08128
0.64183
1
1
1
1
0
0
0
0
0
1
1
1
0
0
0
1
0
1
0
1
0
1
0
1
1
1
1
1
0.55877
0.65726
0.20852
0.34358
0.05010
0.18284
0.55170
0.87616
0.61168
0.91512
0.51781
0.43308
0.90829
0.36982
0.41678
0.33729
0.49383
0.79113
0.73435
0.44267
0
1
0
1
0
0
0
1
0
1
1
0
1
0
1
0
0
1
1
1
0.14151
1 0.79269
0.42989
1 0.11537
0.00121
0.49962
0.10850
0.55743
1
0.09264
0.76262
2 0.03272
0.35286
0.94187
0.19904
1
0.33954
0.15506
0.75103
0.63453
0.22724
3 0.72102
1
1
1
0
1
1
1
0
1
0
1
0
1
0
0
1
0
1
0
1
1
0
1
1
1
2
Frecuencia
Observada
FOi
1
45
2
8
3
8
4
0
5
0
6
1
Calculando el estadstico 2 0 :
Frecuencia
Esperada
FEi
41.7500
18.1000
5.1470
1.1090
0.1939
0.0285
La agrupacin de
las tres ltimas
frecuencias es menor a
que 5, por lo que se
deben agrupar las
ltimas cuatro.
Pero ( ) continua con
su valor de 3.
n
2
=
i=1
( FOi
FEi )2 .
FEi
Seleccionando un valor de
= 0.05, el valor de
.05,3
= 7.81.
Como 2 0 = 6.86 < 2 .05,3 = 7.81, se acepta la hiptesis H0 , los nmeros pasan la
prueba de corridas arriba y abajo, por lo que se consideran aleatorios.
Elaborado por M. C. Jos A. Estrada B.
21