Reglamento Titulos de Arbitros

Alumno: Eduardo Orduña Jaramillo Matrícula: ES1421008668
Materia: Modelación estocástica Profesora: Guadalupe del Carmen Rodríguez Moreno
Universidad Abierta y a Distancia de México
Licenciatura en Matemáticas
Asignatura: Modelación estocástica
Profesora: Guadalupe del Carmen Rodríguez Moreno
Alumno: Eduardo Orduña Jaramillo
Semestre: 2017-2 B1
Unidad 1. Evidencia de aprendizaje
Fecha de entrega: 9 de agosto de 2017

Unidad 1. Evidencia de aprendizaje “Modelación de comportamiento de

procesos aleatorios”
Para la elaboración de tu documento coloca:

 Introducción. Establece la importancia de las pruebas de bondad de ajuste.
Explica otras técnicas diferentes a las planteadas en el material desarrollado.
 Conclusiones generales del trabajo
 Referencias
Introducción
Este trabajo llamado Evidencia de aprendizaje es la culminación de los esfuerzos por el

aprendizaje de la unidad 1 de la asignatura de Modelación estocástica, en donde se trabajó
mucho con la elección correcta del tipo de distribución que más se acopla a un fenómeno
de la vida cotidiana y esta elección del tipo de distribución correspondiente a un conjunto
de datos que se han obtenido minuciosamente del estudio de algún fenómeno de tipo
cuantitativo es absolutamente necesaria porque después de hacer lo propio para llevar a
cabo una buena prueba de bondad de ajuste, ésta ha de permitir que los resultados
obtenidos al final del estudio reflejen qué tanto error o qué nivel de confianza se ha llevado
a cabo y solo así determinar, gracias a la inferencia, una especie de pronóstico de los
resultados de los fenómenos que pueden ser desconocidos pero que con esta técnica es
más fácil determinar ciertos resultados futuros y en su caso, hacer la mejor toma de
decisiones.
Lo que se aprendió en la unidad y que en este trabajo se resume, no es otra cosa más que,
con base en una distribución de probabilidad acorde, se puedan comparar los eventos que
se han repetido, es decir, las frecuencias absolutas del evento a estudiar y hacer una
especie de comparación contra las frecuencias que uno esperaría sucedieran gracias a esa
distribución de probabilidad, así que si esa distribución permite determinar datos teóricos
esperados, harán un mejor pronóstico del fenómeno y a realizar y probar hipótesis más
claras al momento de su aprobación o rechazo.
Por lo anterior, no me queda más que mencionar que las pruebas de bondad de ajuste que
se estudiaron en la unidad fueron la de Kolmogorov-Smirnov y la de Chi-Cuadrada, sin
embargo, investigando encontré que también está la prueba llamada Anderson-Darling que
solo se usa para distribuciones continuas, así como lo hacía la de Kolmogorov-Smirnov,
cabe recordar que la prueba Chi-Cuadrada se emplea tanto para distribuciones continuas
como para discretas.
Desarrollo
A continuación, se resuelven los problemas planteados para evaluar la evidencia de

aprendizaje, algunos de los resultados se llevan a cabo en documentos compartidos en la
nube y otros resultados se presentan en este mismo documento tal y como sigue.
Resuelve los siguientes:
1) Ingresa al siguiente enlace:

https://docs.google.com/spreadsheets/d/1RpDv2221OW3s2lO8KEq4RHBvK4zYaGeuDR7
dOKzeL2k/edit?usp=sharing
Elige una distribución de probabilidad y coloca tu nombre.
Respuesta:
He puesto mi nombre en la hoja de cálculo de la liga anterior, misma que ya se puede

verificar que mi nombre está en la parte de Gamma.
En el siguiente enlace desarrolla UNA diapositiva considerando las instrucciones

en la presentación:
https://docs.google.com/presentation/d/1ffGLK2jp48RWAcGVdbdS8D0qaWh9OhKEZv7U
Y173MQE/edit?usp=sharing
Respuesta:
Como se puede observar, en dicha liga ya se han puesto las diapositivas correspondientes,
para lo cual fueron marcadas con el nombre de un atento servidor, que en este caso no fue
una sino tres y esto se debió a que antes de que apareciera la EA, es decir, esta actividad,
la profesora ya había puesto la liga y tuve el atrevimiento de poner las distribuciones
Exponencial, Gamma y Beta, mismas que no quisiera quitar para tener más completo el
archivo armado entre todos los compañeros, a menos que esto afectara mí calificación.
Mis diapositivas siempre han estado presentes donde deben ir.

2) Problema Prototipo. Busca datos (mínimo 50 datos y que no sean de las actividades
ya realizadas) de un fenómeno en particular y realiza lo siguiente:
a) Establece el planteamiento de tus datos dando un contexto real
b) Define Xt, S y T
c) Elabora una gráfica de tus datos (diagrama de dispersión)
d) Elabora el histograma de Frecuencias
e) Obtiene la varianza y media de los datos
f) Realiza la prueba de bondad de ajuste con 2.
g) Realiza la prueba de bondad de ajuste con la prueba de Bondad de
Ajuste de Kolmogorov – Smirnov.
h) Concluye considerando tu análisis anterior.
En el siguiente enlace elabora un resumen de tu aplicación y coloca TRES

diapositivas con tu resumen:
https://docs.google.com/presentation/d/1sgUnqT_3cdTT1WZ6GGy3rcsRFEOqrwa
6qX-Vq7k2S38/edit?usp=sharing
Coloca tus tres diapositivas como imágenes en el documento.
Respuesta:
Como se observa, ya se han puesto las tres diapositivas correspondientes en la liga

anterior.
Y el desarrollo es el siguiente:
Se tomó el tiempo en el que se entregan solicitudes de inscripción y/o se les da informes a

los futuros estudiantes que llegan a solicitarlo a la Universidad donde laboro, teniendo los
siguientes datos expresados en minutos:
2.068 0.099 8.063 3.157 5.225

2.134 0.297 8.481 3.157 5.72
2.343 0.319 9.119 3.388 5.896
2.431 0.484 10.571 3.652 6.281
2.519 0.594 12.298 3.784 6.501
2.662 0.627 12.331 3.883 6.765
3.014 1.397 12.584 4.114 7.92
3.025 1.474 14.179 4.18 7.975
3.113 1.562 14.751 4.686 8.03
3.146 2.046 15.015 5.027 8.063
Definición de la variable aleatoria, el espacio de estado y paramétrico.
Variable aleatoria 𝑋𝑡 es el tiempo en el que se entregan solicitudes

de inscripción y/o se les da informes a los futuros
estudiantes
Espacio de estados 𝑆 = [0.099, 15.015) es el tiempo en minutos entre
(Continuo) la llegada 𝑡 y 𝑡 − 1
Espacio paramétrico 𝑇 = {1, 2, 3, … , 50} es el número de estudiantes
(Discreto) que llegan a pedir solicitud o informes de
inscripción.
Para el histograma de Frecuencias se tiene que k es el número de clases:
𝑘 = 1 + 3.332log⁡(𝑁)
𝑘 = 1 + 3.332 log(𝑁) = 1 + 3.332 log(50) = 6.6609 ≈ 7
Con los valores de S:
15.015 − 0.099 = 14.916
Y también:
14.916
= 2.1308
7
De manera que las clases y la longitud de clase queda como:

Clase
Ini Fin FO POi POAi F(x) F(x) PEi PEAi |PEAi-POAi|
0.099 2.2298 27 0.44262295 0.44262295 0.01158328 0.03341906 0.90231475 0.90231475 0
2.2298 4.3606 7 0.1147541 0.55737705 0.04029021 0.01791886 0.12543199 1.02774674 0.90231475
4.3606 6.4914 3 0.04918033 0.60655738 0.05169793 0.00960785 0.02882355 1.05657029 1.02774674
6.4914 8.6222 4 0.06557377 0.67213115 0.04857409 0.0051516 0.0206064 1.07717669 1.05657029
8.6222 10.753 10 0.16393443 0.83606557 0.03341906 0.00276222 0.02762219 1.10479889 1.07717669
10.753 12.8838 3 0.04918033 0.8852459 0.05169793 0.00148107 0.0044432 1.10924208 1.10479889
12.8838 15.0146 3 0.04918033 0.93442623 0.05169793 0.00079413 0.00238238 1.11162446 1.10924208
15.0146 17.1454 4 0.06557377 1 0.04857409 0.0004258 0.0017032 1.11332766 1.11162446
30
25
20
15
10
0
0.099 2.2298 4.3606 6.4914 8.6222 10.753 12.8838 15.0146
FO F(x)
Para la media y varianza de los datos:
Media:
∑ 𝑥𝑖 ∙ 𝑓 339.5092
𝑥̅ = = = 6.7901
𝑛 50
Varianza:
∑(𝑥𝑖 − 𝑥̅ )2 ∙ 𝑓 1757.09994
𝜎2 = = = 35.1419
𝑛 50
Con lo anterior se realiza el cálculo de la frecuencia esperada:
𝑏 𝑏
1 𝑥
𝐹(𝑥) = ∫ 𝑑𝑥 = [ ]
𝑎 14.916 14.916 𝑎
15.015 0.099
𝐹𝐸1 = 50 ( − ) = 8.6957
14.916 14.916
Y así sucesivamente.
Realizamos la gráfica para comparar la frecuencia observada con la frecuencia

esperada.
FO vs FE
30
25
20
15
10
0
0.099 2.2298 4.3606 6.4914 8.6222 10.753 12.8838 15.0146
Ajustando a la distribución, se calcula 𝐷 y valor crítico
𝐷 = 0.1203
1.36
𝑉𝑎𝑙𝑜𝑟⁡𝑐𝑟í𝑡𝑖𝑐𝑜 = = 0.1756
√50
El estimador
𝐶 ≤𝐾−𝑆
Se encuentra entre:
0.1203 ≤ 0.1756
Por lo tanto, se concluye que el modelo es uniforme y es correcto.

Para los siguientes ejercicios considera:

a) Define de la variable aleatoria
b) Establece S y T.
c) Elabora el histograma de Frecuencias (justifica el tamaño de clase y el número de
clases)
d) Encuentra media y varianza de los datos (debes justificar tus resultados)
e) Establece la propuesta de distribución de probabilidad estableciendo los usos de la
distribución de probabilidad planteada, el tipo de información y el comparativo
entre el histograma y la distribución.
f) Realiza la prueba de acuerdo a lo solicitado (se busca que los datos efectivamente
se ajusten a una distribución)
Analiza los datos dados en cada caso, y determina su comportamiento probando tu

propuesta a través de la prueba de Bondad de Ajuste 2 .
3) El encargado de calidad en una fábrica de cajas lápices, cada caja trae 40 lápices, se
revisaron el número de lápices sin punta, se consideraron 50 cajas.
¿En qué modelo probabilístico encaja mejor el comportamiento que presentan los
lápices sin punta?
Solución:
Variable Aleatoria:
𝑋𝑡 es el número de lápices sin punta encontrados en la caja 𝑡.
Espacio de estados:
Discreto
𝑆 = {0,1,2, … ,19} es el número de lápices sin punta.
Espacio paramétrico:
Discreto
𝑇 = {1,2,3, … ,50} es el número de caja a la que pertenece los lápices.
Ahora bien:
Lápices sin punta FO xFO (x-x~)^2 (x-x~)^2 FO F(x) FE=nF(x) (FO-FE)^2/FE
3 2 6 50.9796 101.9592 0.0069 0.3429 8.0076

4 0 0 37.6996 0 0.0174 0.8693 0.8693
5 2 10 26.4196 52.8392 0.0353 1.7629 0.0319
6 1 6 17.1396 17.1396 0.0596 2.9793 1.315
7 7 49 9.8596 69.0172 0.0863 4.3158 1.6695
8 6 48 4.5796 27.4776 0.1094 5.4702 0.0513
9 4 36 1.2996 5.1984 0.1233 6.1631 0.7592
10 4 40 0.0196 0.0784 0.125 6.2494 0.8097
11 6 66 0.7396 4.4376 0.1152 5.7608 0.0099
12 6 72 3.4596 20.7576 0.0974 4.8679 0.2633
13 6 78 8.1796 49.0776 0.0759 3.797 1.2782
14 1 14 14.8996 14.8996 0.055 2.7501 1.1137
15 2 30 23.6196 47.2392 0.0372 1.8591 0.0107
16 1 16 34.3396 34.3396 0.0236 1.1782 0.0269
17 1 17 47.0596 47.0596 0.0141 0.7027 0.1257
18 0 0 61.7796 0 0.0079 0.3959 0.3959
19 1 19 78.4996 78.4996 0.0042 0.2113 2.9444
50 507 570.02 C 19.6822
De donde el histograma es:

0
3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Para la media y la varianza se tiene que:
∑𝑥 ∙ 𝑓
𝑀𝑒𝑑𝑖𝑎:⁡𝑥̅ = = 10.14
𝑛
∑(𝑥 − 𝑥̅ )2 ∙ 𝑓
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎: 𝜎 2 = = 11.40
𝑛
Para la frecuencia esperada:

𝐹𝐸 = 𝑛𝐹(𝑥)
Pero:
𝑒 −10.14 10.14𝑥
𝐹(𝑥) =
𝑥!
𝑒 −10.14 10.140
𝐹𝐸1 = 50 = 0.0020
0!
𝑒 −10.14 10.141
𝐹𝐸2 = 50 = 0.0200
1!
𝑒 −10.14 10.142
𝐹𝐸3 = 50 = 0.1015
2!
Comparando la frecuencia observada contra la frecuencia esperada:
FO vs FE
8
7
6
5
4
3
2
1
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
FO FE=nF(x)
Cálculo del estimador 𝐶
40
(𝐹𝐸𝑖 − 𝐹𝑂𝑖 )2
𝐶=∑ = 19.6822
𝐹𝐸𝑖
𝑖=1
En donde los grados de libertad son m-t-1 donde m=1-t-1.
Entonces:
18-1-1=16 grados de libertad
Se utilizará un nivel de confianza del 95%. Utilizando la tabla de distribución Chi-

2
cuadrada observamos que 𝜒5%,16 = 26.2962.
2
Entonces observamos que el estimador 𝐶 ≤ 𝜒5%,16 , es decir, 19.6822 ≤ 26.2962.
Por lo tanto, se concluye que el modelo propuesto es correcto.

4) Se hace un experimento en un grupo de personas donde 8 tienen estudios de posgrado

y 14 tienen estudios de primaria y se eligen a 8 personas, se hace el experimento 60
veces teniendo como resultado, se contabilizan al número de personas que tiene
estudios de posgrado:
¿Qué modelo probabilístico representa al número de personas con estudios de

posgrado?
Solución:
Variable Aleatoria:
𝑋𝑡 es el número de alumnos con posgrado en el experimento 𝑡.
Espacio de estados:
Discreto
𝑆 = {0,1,2, … ,6} número de alumnos con posgrado.
Espacio paramétrico:
Discreto
𝑇 = {1,2,3, … ,60} número de experimento en el que se contabilizan alumnos.
Para hacer el histograma tomamos los cálculos siguientes en Excel:

Estudiantes FO xFO (x-x~)^2 (x-x~)^2 FO F(x) FE=nF(x) (FO-FE)^2/FE
0 1 0 9.10027778 9.1003 0.049 2.9378 1.2782

1 2 2 4.06694444 8.1339 0.1477 8.8625 5.3139
2 19 38 1.03361111 19.6386 0.2228 13.3676 2.3732
3 20 60 0.00027778 0.0056 0.224 13.4419 3.1996
4 10 40 0.96694444 9.6694 0.169 10.1374 0.0019
5 7 35 3.93361111 27.5353 0.1019 6.1162 0.1277
6 1 6 8.90027778 8.9003 0.0513 3.0751 1.4003
7 0 0 15.8669444 0 0.0221 1.3252 1.3252
8 0 0 24.8336111 0 0.0083 0.4997 0.4997
60 181 82.9833 C 13.6947
El histograma:
FO
25
20
15
10
0
1 2 3 4 5 6 7 8 9
FO
Para la media y la varianza se tiene que:
∑𝑥 ∙ 𝑓
𝑀𝑒𝑑𝑖𝑎:⁡𝑥̅ = = 3.0166
𝑛
∑(𝑥 − 𝑥̅ )2 ∙ 𝑓
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎: 𝜎 2 = = 1.3830
𝑛
Para la frecuencia esperada:

𝐹𝐸 = 𝑛𝐹(𝑥)
Pero:
𝑒 −10.14 10.14𝑥
𝐹(𝑥) =
𝑥!
𝑒 −10.14 10.140
𝐹𝐸1 = 60 = 2.9378
0!
𝑒 −10.14 10.141
𝐹𝐸2 = 60 = 8.8625
1!
𝑒 −10.14 10.142
𝐹𝐸3 = 60 = 13.3676
2!
El histograma de la frecuencia observada con la frecuencia esperada:
FO vs FE
25
20
15
10
0
1 2 3 4 5 6 7 8 9
FO FE=nF(x)
Cálculo del estimador 𝐶
9
(𝐹𝐸𝑖 − 𝐹𝑂𝑖 )2
𝐶=∑ = 13.6947
𝐹𝐸𝑖
𝑖=1
En cuanto a los grados de libertad son m-t-1 donde m=1-t-1
O sea 8-1-1=6 grados de libertad.
Se utilizará un nivel de confianza del 95%.
Utilizando la tabla de distribución Chi-cuadrada observamos que
2
𝜒5%,6 = 12.5916
2
Por último, el estimador 𝐶 ≰ 𝜒5%,6 , es decir, 13.6947 ≥ 12.5916.
Por lo tanto, se concluye que el modelo propuesto es correcto, sigue una distribución
binomial.
Analiza los datos dados en cada caso, y determina su comportamiento probando tu

propuesta a través de la prueba de Bondad de Ajuste de Kolmogorov - Smirnov.
5) Se contabiliza el tiempo que tarda un taquero en llevar las ordenes de tacos a los
clientes hambrientos, teniendo los siguientes resultados:
8.33 9.22 10.20 10.81 7.56
5.11 6.81 6.19 8.04 4.29
0.25 11.25 1.97 7.70 7.85
2.68 3.76 3.75 0.55 8.67
4.06 7.95 7.97 0.23 8.26
11.29 9.57 3.15 5.71 7.30
4.81 7.16 8.88 7.23 9.83
12.67 8.58 10.21 12.20 10.78
11.62 10.25 6.41 6.76 7.85
11.68 13.96 10.96 5.14 10.37
¿Cuál es el modelo probabilístico que se ajusta al tiempo que tarda el taquero?
Solución:
Variable aleatoria 𝑋𝑡 es el que tarda un taquero en llevar los

tacos al cliente 𝑡.
Espacio de estados 𝑆 = [0.23,13.96] es el tiempo que tarda.
(Continuo)
Espacio paramétrico 𝑇 = {1, 2, 3, … , 50} es el número de clientes.
(Discreto)
En cuanto a justificar la forma de obtener los rangos de las clases:
13.96 − 0.23 = 13.73
14
= 1.9614
𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜𝑠⁡𝑑𝑒𝑠𝑒𝑎𝑑𝑜𝑠(7)
Iniciando desde 13.96 y terminando hasta 14.7031

16
14
12
10
8
6
4
2
0
F.Observada
La media y varianza de los datos:
Media:
∑ 𝑥𝑖 ∙ 𝑓 377.462413
𝑥̅ = = = 7.5492
𝑛 50
Varianza:
∑(𝑥𝑖 − 𝑥̅ )2 ∙ 𝑓 538.2960
2
𝜎 = = = 10.7659
𝑛 50
Desviación estándar:
𝜎 = √10.7659 = 3.2811
Con estos datos, se puede hacer la propuesta de distribución de probabilidad

estableciendo los usos de la distribución de probabilidad planteada, el tipo de
información y el comparativo entre el histograma y la distribución.
Cálculo de la frecuencia esperada
𝑏 1 𝑥−7.5492 2
1
𝑒 2 3.2811 )
− (
𝐹(𝑥) = ∫ 𝑑𝑥 = [−0.5 erf(1.64704⁡ − ⁡0.217699𝑥𝑖 )]𝑏𝑎
𝑎 3.2811√2𝜋
𝐹𝐸1 = 50(−0.5 erf(1.64704⁡ − ⁡0.217699 ∗ 0.23)

− (−0.5 erf(1.64704⁡ − ⁡0.217699 ∗ 2.2976))) = 2.0227
𝐹𝐸2 = 50(−0.5 erf(1.64704⁡ − ⁡0.217699 ∗ 2.2976)

− (−0.5 erf(1.64704⁡ − ⁡0.217699 ∗ 4.3652)))
= 5.4907
𝐹𝐸3 = 50(−0.5 erf(1.64704⁡ − ⁡0.217699 ∗ 4.3652)

− (−0.5 erf(1.64704⁡ − ⁡0.217699 ∗ 4.3652)))
= 10.0697
Histograma de FO vs FE:
16
14
12
10
8
6
4
2
0
F.Observada F.Esperada
Para realiza la prueba de acuerdo a lo solicitado:
Cálculo del estadístico 𝐷 y valor crítico:
𝐷 = 0.0497
1.36
√50
Entonces observamos que el estimador 𝐶 ≤ 𝐾 − 𝑆, es decir, 0.0497 ≤ 0.1923.
Por lo tanto, se concluye que el modelo propuesto es correcto.

6) En una fábrica se tomó el peso a 60 trabajadores en kilogramos, con los

resultados:
58.35 48.79 66.96 84.19 74.38 62.60
83.14 67.58 87.44 87.63 59.45 46.11
68.91 81.35 57.29 55.81 53.33 49.27
47.61 59.74 54.12 67.72 68.85 49.97
79.88 70.08 57.23 71.26 65.81 67.70
64.82 55.77 69.77 52.49 73.17 51.70
59.74 46.71 69.37 54.42 55.48 50.38
74.99 76.51 81.09 68.18 65.56 75.46
61.22 59.65 54.61 65.06 82.46 47.24
81.52 65.53 78.53 83.47 57.40 86.51
Determina el modelo probabilístico que presenta el peso de los trabajadores.
Solución:
Variable aleatoria 𝑋𝑡 es el peso dela persona 𝑡.

Espacio de estados 𝑆 = [46.11, 87.63] es el tiempo en segundos.
(Continuo)
Espacio paramétrico 𝑇 = {1, 2, 3, … , 60} es el número de clientes.
(Discreto)
Para el histograma de Frecuencias se tiene que k es el número de clases:
𝑘 = 1 + 3.332log⁡(𝑁)
𝑘 = 1 + 3.332 log(𝑁) = 1 + 3.332 log(60) = 6.9247 ≈ 7
Con los valores de S:
88.2317 − 46.11 = 42.1218
Y también:
42.1218
= 6.0174
7
De manera que las clases y la longitud de clase queda como:
16
14
12
10
8
6
4
2
0
F.Observada
Media:
∑ 𝑥𝑖 ∙ 𝑓 3921.93913
𝑥̅ = = = 65.3657
𝑛 60
Varianza:
2
∑(𝑥𝑖 − 𝑥̅ )2 ∙ 𝑓 7915.2870
𝜎 = = = 131.9214
𝑛 60
Con lo anterior se realiza el cálculo de la frecuencia esperada:
𝑏
1 𝑥 𝑏
𝐹(𝑥) = ∫ 𝑑𝑥 = [ ]
𝑎 41.52 41.52 𝑎
52.1274 46.11
𝐹𝐸1 = 60 ( − ) = 8.6957
41.52 41.52
58.1448 52.1274
𝐹𝐸2 = 60 ( − ) = 8.6957
41.52 41.52
64.1622 58.1448
𝐹𝐸3 = 60 ( − ) = 8.6957
41.52 41.52
Realizamos la gráfica para comparar la frecuencia observada con la frecuencia

esperada.
F.Observada F.Esperada
16
14
12
10
8
6
4
2
0
Ajustando a la distribución, se calcula 𝐷 y valor crítico
𝐷 = 0.1203
1.36
√60
El estimador
𝐶 ≤𝐾−𝑆
Se encuentra entre:
0.1203 ≤ 0.1756
Por lo tanto, se concluye que el modelo es uniforme y es correcto.

7) El tiempo en minutos que tarda un coche en llegar a la entrada de la autopista del Sol
son las siguientes:
15.53 35.06 13.46 17.90 6.08 72.27
15.21 27.58 35.81 4.98 24.92 9.64
4.36 24.32 8.37 10.39 24.20 6.04
17.24 24.70 11.21 10.11 11.95 9.09
3.98 25.23 0.38 47.28 21.48 1.50
10.30 34.10 1.34 10.00 17.07 1.93
13.58 0.48 33.19 3.71 14.01 11.56
58.25 44.97 3.25 7.00 22.03 7.58
51.54 2.44 3.82 9.20 8.93 17.72
0.10 8.43 3.71 10.71 2.00 9.44
Establece el modelo probabilístico que represente a los tiempos entre llegadas de los
autos a la carrera del Sol.
Solución:
Variable aleatoria 𝑋𝑡 es el tiempo el coche t a la autopista del

Sol.
Espacio de estados 𝑆 = [0.1, 72.27] es el tiempo en minutos entre
(Continuo) la llegada 𝑡 y 𝑡 − 1
Espacio paramétrico 𝑇 = {1, 2, 3, … , 60} es el número de coches que
(Discreto) llegan a la autopista del Sol.
En este caso el histograma de Frecuencias incluye que cada clase y su longitud

están dadas por:
72.27 − 0.1 = 72.17
72.17
= 10.31
7
Entonces la tabla se calcula así:
El histograma es el siguiente:
F.Observada
30
13
0.1-10.41 10.41- 20.72- 31.03- 41.34- 51.65- 61.96-

20.72 31.03 41.34 51.65 61.96 72.27
Media:
∑ 𝑥𝑖 ∙ 𝑓 975.14
𝑥̅ = = = 16.2523
𝑛 60
Varianza:
2
∑(𝑥𝑖 − 𝑥̅ )2 ∙ 𝑓 12939.7786
𝜎 = = = 215.6630
𝑛 60
Cálculo de la frecuencia esperada
𝑥
𝑏 𝑏 −16.2523 𝑎
1 𝑒 𝑥
𝐹(𝑥) = ∫ 𝑒 −𝜆𝑥 = ∫ = [−𝑒 −16.2523]
𝑎 𝜆 𝑎 16.2523 𝑏
10.41 0.10
𝐹𝐸1 = 60 (−𝑒 −16.2523 + 𝑒 −16.2523 ) = 28.011
20.72 10.41
𝐹𝐸2 = 60 (−𝑒 −16.2523 + 𝑒 −16.2523 ) = 14.8534
31.03 20.72
𝐹𝐸3 = 60 (−𝑒 −16.2523 + 𝑒 −16.2523 ) = 7.8763
Y ahora el comparativo de la frecuencia observada contra la frecuencia esperada:
35
30
25
20
15 F.Observada
F.Esperada
10
0
Por último se realiza la prueba de acuerdo a lo solicitado:
Cálculo del valor 𝐷 y del valor crítico:
𝐷 = 0.0332
1.36
√60
Se observa que el estimador:
𝐶 ≤𝐾−𝑆
O se a que su rango está en:
0.0332 ≤ 0.1756
Por lo tanto, se concluye que el modelo propuesto es exponencial y es correcto.

Conclusiones
Con el presente trabajo, puedo concluir que dados los datos que se hayan generado
a través de las herramientas ya conocidas, como es el caso de una encuesta, una
observación o una medición, es posible organizar los datos de manera que podamos
tratar de esperar ciertos resultados, como si se tratara de tomar las decisiones de
acción con base a valores que se esperan pero que también tienen cierto grado de
probabilidad de que ocurran, esta probabilidad es precisamente la distribución de
probabilidad que en ocasiones resulta obvia por el hecho mismo de analizar el
histograma, cuya forma tiene cierta tendencia con las distribuciones conocidas que
pueden hacer que los datos se vuelvan verdaderos valores para pronosticar los
sucesos, o bien para comparar con los valores reales y que el resultado de esta
comparación permitan asegurar que han sido tomados de una forma correcta y
cuyos resultados son confiables en la toma de decisiones.
Referencias
UNADM (2015). Determinación del tipo de distribución que presenta un proceso

estocástico (18). Modelación estocástica. México, D.F.: UNADM.
Sitios web
http://www.buenastareas.com/ensayos/Pruebas-De-Bondad-De-
Ajuste/158033.html
https://drive.google.com/file/d/0ByYJU1IJwKgkMnh1YzFoQ0hmaUk/view?usp=sha
ring
https://drive.google.com/file/d/0ByYJU1IJwKgkSEVIa1JSUm15Z3c/view?usp=shari
ng

Reglamento Titulos de Arbitros

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

Reglamento Titulos de Arbitros

Загружено:

Авторское право:

Доступные форматы

Alumno: Eduardo Orduña Jaramillo Matrícula: ES1421008668

Materia: Modelación estocástica Profesora: Guadalupe del Carmen Rodríguez Moreno

Universidad Abierta y a Distancia de México

Asignatura: Modelación estocástica

Profesora: Guadalupe del Carmen Rodríguez Moreno

Alumno: Eduardo Orduña Jaramillo

Unidad 1. Evidencia de aprendizaje

Fecha de entrega: 9 de agosto de 2017

Unidad 1. Evidencia de aprendizaje “Modelación de comportamiento de

Para la elaboración de tu documento coloca:

Este trabajo llamado Evidencia de aprendizaje es la culminación de los esfuerzos por el

A continuación, se resuelven los problemas planteados para evaluar la evidencia de

Resuelve los siguientes:

1) Ingresa al siguiente enlace:

Elige una distribución de probabilidad y coloca tu nombre.

He puesto mi nombre en la hoja de cálculo de la liga anterior, misma que ya se puede

En el siguiente enlace desarrolla UNA diapositiva considerando las instrucciones

Mis diapositivas siempre han estado presentes donde deben ir.

En el siguiente enlace elabora un resumen de tu aplicación y coloca TRES

Coloca tus tres diapositivas como imágenes en el documento.

Como se observa, ya se han puesto las tres diapositivas correspondientes en la liga

Se tomó el tiempo en el que se entregan solicitudes de inscripción y/o se les da informes a

2.068 0.099 8.063 3.157 5.225

Definición de la variable aleatoria, el espacio de estado y paramétrico.

Variable aleatoria 𝑋𝑡 es el tiempo en el que se entregan solicitudes

Para el histograma de Frecuencias se tiene que k es el número de clases:

𝑘 = 1 + 3.332 log(𝑁) = 1 + 3.332 log(50) = 6.6609 ≈ 7

Con los valores de S:

15.015 − 0.099 = 14.916

De manera que las clases y la longitud de clase queda como:

Para la media y varianza de los datos:

Con lo anterior se realiza el cálculo de la frecuencia esperada:

Realizamos la gráfica para comparar la frecuencia observada con la frecuencia

Ajustando a la distribución, se calcula 𝐷 y valor crítico

Por lo tanto, se concluye que el modelo es uniforme y es correcto.

Para los siguientes ejercicios considera:

Analiza los datos dados en cada caso, y determina su comportamiento probando tu

Lápices sin punta FO xFO (x-x~)^2 (x-x~)^2 FO F(x) FE=nF(x) (FO-FE)^2/FE

3 2 6 50.9796 101.9592 0.0069 0.3429 8.0076

50 507 570.02 C 19.6822

De donde el histograma es:

Para la media y la varianza se tiene que:

Para la frecuencia esperada:

Comparando la frecuencia observada contra la frecuencia esperada:

Cálculo del estimador 𝐶

En donde los grados de libertad son m-t-1 donde m=1-t-1.

18-1-1=16 grados de libertad

Se utilizará un nivel de confianza del 95%. Utilizando la tabla de distribución Chi-

Por lo tanto, se concluye que el modelo propuesto es correcto.

4) Se hace un experimento en un grupo de personas donde 8 tienen estudios de posgrado

¿Qué modelo probabilístico representa al número de personas con estudios de

𝑋𝑡 es el número de alumnos con posgrado en el experimento 𝑡.

Para hacer el histograma tomamos los cálculos siguientes en Excel:

Estudiantes FO xFO (x-x~)^2 (x-x~)^2 FO F(x) FE=nF(x) (FO-FE)^2/FE

0 1 0 9.10027778 9.1003 0.049 2.9378 1.2782

Para la media y la varianza se tiene que:

Para la frecuencia esperada:

El histograma de la frecuencia observada con la frecuencia esperada:

Cálculo del estimador 𝐶

En cuanto a los grados de libertad son m-t-1 donde m=1-t-1

O sea 8-1-1=6 grados de libertad.

Se utilizará un nivel de confianza del 95%.

Utilizando la tabla de distribución Chi-cuadrada observamos que

Analiza los datos dados en cada caso, y determina su comportamiento probando tu