Академический Документы
Профессиональный Документы
Культура Документы
Licenciatura en Matemáticas
Semestre: 2017-2 B1
Introducción
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.
Alumno: Eduardo Orduña Jaramillo Matrícula: ES1421008668
Materia: Modelación estocástica Profesora: Guadalupe del Carmen Rodríguez Moreno
Desarrollo
Respuesta:
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.
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.
Respuesta:
Y el desarrollo es el siguiente:
𝑘 = 1 + 3.332log(𝑁)
Y también:
14.916
= 2.1308
7
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)
Media:
∑ 𝑥𝑖 ∙ 𝑓 339.5092
𝑥̅ = = = 6.7901
𝑛 50
Varianza:
∑(𝑥𝑖 − 𝑥̅ )2 ∙ 𝑓 1757.09994
𝜎2 = = = 35.1419
𝑛 50
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.
Alumno: Eduardo Orduña Jaramillo Matrícula: ES1421008668
Materia: Modelación estocástica Profesora: Guadalupe del Carmen Rodríguez Moreno
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
𝐷 = 0.1203
1.36
𝑉𝑎𝑙𝑜𝑟𝑐𝑟í𝑡𝑖𝑐𝑜 = = 0.1756
√50
El estimador
𝐶 ≤𝐾−𝑆
Se encuentra entre:
0.1203 ≤ 0.1756
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?
Alumno: Eduardo Orduña Jaramillo Matrícula: ES1421008668
Materia: Modelación estocástica Profesora: Guadalupe del Carmen Rodríguez Moreno
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:
0
3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
∑𝑥 ∙ 𝑓
𝑀𝑒𝑑𝑖𝑎:𝑥̅ = = 10.14
𝑛
∑(𝑥 − 𝑥̅ )2 ∙ 𝑓
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎: 𝜎 2 = = 11.40
𝑛
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!
Alumno: Eduardo Orduña Jaramillo Matrícula: ES1421008668
Materia: Modelación estocástica Profesora: Guadalupe del Carmen Rodríguez Moreno
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)
40
(𝐹𝐸𝑖 − 𝐹𝑂𝑖 )2
𝐶=∑ = 19.6822
𝐹𝐸𝑖
𝑖=1
Entonces:
2
Entonces observamos que el estimador 𝐶 ≤ 𝜒5%,16 , es decir, 19.6822 ≤ 26.2962.
Solución:
Variable Aleatoria:
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.
El histograma:
FO
25
20
15
10
0
1 2 3 4 5 6 7 8 9
FO
∑𝑥 ∙ 𝑓
𝑀𝑒𝑑𝑖𝑎:𝑥̅ = = 3.0166
𝑛
Alumno: Eduardo Orduña Jaramillo Matrícula: ES1421008668
Materia: Modelación estocástica Profesora: Guadalupe del Carmen Rodríguez Moreno
∑(𝑥 − 𝑥̅ )2 ∙ 𝑓
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎: 𝜎 2 = = 1.3830
𝑛
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!
FO vs FE
25
20
15
10
0
1 2 3 4 5 6 7 8 9
FO FE=nF(x)
Alumno: Eduardo Orduña Jaramillo Matrícula: ES1421008668
Materia: Modelación estocástica Profesora: Guadalupe del Carmen Rodríguez Moreno
9
(𝐹𝐸𝑖 − 𝐹𝑂𝑖 )2
𝐶=∑ = 13.6947
𝐹𝐸𝑖
𝑖=1
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.
Alumno: Eduardo Orduña Jaramillo Matrícula: ES1421008668
Materia: Modelación estocástica Profesora: Guadalupe del Carmen Rodríguez Moreno
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
Solución:
14
= 1.9614
𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜𝑠𝑑𝑒𝑠𝑒𝑎𝑑𝑜𝑠(7)
16
14
12
10
8
6
4
2
0
F.Observada
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:
Alumno: Eduardo Orduña Jaramillo Matrícula: ES1421008668
Materia: Modelación estocástica Profesora: Guadalupe del Carmen Rodríguez Moreno
𝜎 = √10.7659 = 3.2811
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
Y así sucesivamente.
Alumno: Eduardo Orduña Jaramillo Matrícula: ES1421008668
Materia: Modelación estocástica Profesora: Guadalupe del Carmen Rodríguez Moreno
Histograma de FO vs FE:
16
14
12
10
8
6
4
2
0
F.Observada F.Esperada
𝐷 = 0.0497
1.36
𝑉𝑎𝑙𝑜𝑟𝑐𝑟í𝑡𝑖𝑐𝑜 = = 0.1923
√50
Solución:
𝑘 = 1 + 3.332log(𝑁)
Y también:
Alumno: Eduardo Orduña Jaramillo Matrícula: ES1421008668
Materia: Modelación estocástica Profesora: Guadalupe del Carmen Rodríguez Moreno
42.1218
= 6.0174
7
16
14
12
10
8
6
4
2
0
F.Observada
Media:
∑ 𝑥𝑖 ∙ 𝑓 3921.93913
𝑥̅ = = = 65.3657
𝑛 60
Varianza:
Alumno: Eduardo Orduña Jaramillo Matrícula: ES1421008668
Materia: Modelación estocástica Profesora: Guadalupe del Carmen Rodríguez Moreno
2
∑(𝑥𝑖 − 𝑥̅ )2 ∙ 𝑓 7915.2870
𝜎 = = = 131.9214
𝑛 60
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
Y así sucesivamente.
F.Observada F.Esperada
16
14
12
10
8
6
4
2
0
Alumno: Eduardo Orduña Jaramillo Matrícula: ES1421008668
Materia: Modelación estocástica Profesora: Guadalupe del Carmen Rodríguez Moreno
𝐷 = 0.1203
1.36
𝑉𝑎𝑙𝑜𝑟𝑐𝑟í𝑡𝑖𝑐𝑜 = = 0.1756
√60
El estimador
𝐶 ≤𝐾−𝑆
Se encuentra entre:
0.1203 ≤ 0.1756
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:
Definición de la variable aleatoria, el espacio de estado y paramétrico.
72.17
= 10.31
7
Alumno: Eduardo Orduña Jaramillo Matrícula: ES1421008668
Materia: Modelación estocástica Profesora: Guadalupe del Carmen Rodríguez Moreno
El histograma es el siguiente:
F.Observada
30
13
Media:
∑ 𝑥𝑖 ∙ 𝑓 975.14
𝑥̅ = = = 16.2523
𝑛 60
Varianza:
Alumno: Eduardo Orduña Jaramillo Matrícula: ES1421008668
Materia: Modelación estocástica Profesora: Guadalupe del Carmen Rodríguez Moreno
2
∑(𝑥𝑖 − 𝑥̅ )2 ∙ 𝑓 12939.7786
𝜎 = = = 215.6630
𝑛 60
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 así sucesivamente.
35
30
25
20
15 F.Observada
F.Esperada
10
0
Alumno: Eduardo Orduña Jaramillo Matrícula: ES1421008668
Materia: Modelación estocástica Profesora: Guadalupe del Carmen Rodríguez Moreno
𝐷 = 0.0332
1.36
𝑉𝑎𝑙𝑜𝑟𝑐𝑟í𝑡𝑖𝑐𝑜 = = 0.1756
√60
𝐶 ≤𝐾−𝑆
0.0332 ≤ 0.1756
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.
Alumno: Eduardo Orduña Jaramillo Matrícula: ES1421008668
Materia: Modelación estocástica Profesora: Guadalupe del Carmen Rodríguez Moreno
Referencias
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