1: Construcción de un modelo de simulación, aplicando el método de la función inversa al caso

general de la función de densidad de probabilidad triangular.

2: Simulación del tiempo de proceso en una red de procesadores, aplicando la función triangular.

3: Determinación del valor esperado y carianza de diferentes funciones de densidad de

probabilidad: Distribución Bernoulli, Distribución Binomial, Distribución Geométrica, Distribución
Binomial Negativa o Pascal, Distribución Poisson, Distribución Hipergeométrica, Distribución
Uniforme Continua, Distribución Exponencial, Distribución Normal, Distribución Triangular.

4: La demanda de un producto perecedero es una variable aleatoria continua dada por la siguiente
tabla.

Demanda (litros) Probabilidad

(0,10) 0.20

(10,20) 0.30

(20,30) 0.50

El costo del producto es de $60, y el precio de venta, de $130. Este producto tiene una vida útil de
1 semana, y pasado este tiempo, se puede devolver el remanente con un reintegro de $20 el litro

5. Realiza uno a uno los siguientes apartados.

a) Simula 100 observaciones de una variable uniforme (0,1).

b) Aplícales la transformación g(x)=1–x.

c) Pídele a la aplicación la media y varianza de la nueva variable.

d) De los modelos probabilísticos que te ofrece el ordenador, ¿a cuál se ajustan mejor los
datos? Pide las gráficas.

e) Demuestra que, efectivamente, los datos provienen de la distribución que has contestado
en el apartado anterior.

f) ¿Concuerdan la media y varianza que obtuviste en el apartado c) con las del modelo
teórico?

6. Realiza uno a uno los siguientes apartados.

a) Simula 1000 observaciones de una variable de Poisson con λ=10.

b) ¿Qué proporción de las observaciones es mayor que 10’5?

c) ¿A qué distribución continua se aproxima la distribución anterior?, ¿cuáles son sus

parámetros?
d) Pídele a la aplicacion los parámetros para el mejor ajuste de tus datos según la
distribución que has contestado en c). Dibuja un histograma de tus datos sobre el que
aparezca la función de densidad del modelo teórico al que se aproximan.

e) Para la distribución a la que se aproximan tus datos, calcula la probabilidad de que tome
un valor mayor que 10’5. Da dos probabilidades, una con los parámetros que obtienes para
una variable de Poisson con λ=10 y otra con los parámetros que te indica el ordenador para
el mejor ajuste de tus datos.