Академический Документы
Профессиональный Документы
Культура Документы
DISEO
2
Logro de la sesin
3
Variables Continuas
Este tipo de variables se representan mediante una ecuacin
que se conoce como funcin de densidad de probabilidad
5
Distribucin Normal
La generacin de nmeros aleatorios normales requiere conocer
la media y la desviacin estndar.
F(t) = P(D<= t) = R
Donde:
t = + (z * ) : media
z : de la distrib. Estand normal.
: desviacin estndar
R: nro. aleatorio entre 0 y 1
6
Distribucin Normal
Ejemplo:
z=DISTR.NORM.ESTAND.INV(0.1515)=-1.03
t =DISTR.NORM.INV(0.1515,750,100)
8
Variables continuas: Ejemplo
A continuacin, trabajaremos con un ejemplo que hace uso de la
distribucin normal (la distribucin estadstica ms importante y
utilizada)
Se desea evaluar la eficiencia de dos operarios en el ensamblaje de
computadoras. Basndonos en experiencias anteriores, se calcula
que el tiempo necesario para que cada uno de los operarios culmine
el ensamblaje sigue una distribucin normal con los parmetros
(media y desviacin estndar, en minutos) que se indican a
continuacin:
9
Variables continuas: Ejemplo
Con los datos mostrados anteriormente generaremos datos
aleatorios utilizando la funcin DISTR.NORM.INV().
Calcularemos el tiempo mximo usando la funcin MAX().
Para determinar quien es el ms rpido, usaremos la funcin SI.
10
Variables continuas: Ejemplo
Vamos a calcular el valor medio de los valores generados
(considerando el valor mximo).
Trabajaremos la desviacin estndar para determinar si el
nmero de observaciones es suficiente.
Es conveniente tambin determinar el intervalo de confianza
considerando un nivel de confianza del 95%
11
Variables continuas: Ejemplo
Finalmente, se observa que el operario 2 a ensamblado ms
rpido que el operario 1 en el 70% de las observaciones.
12
Actividad
Desarrolle los ejercicios propuestos en la hoja de clculo
Ejercicio N 3.xls
13