Mmes U1 A1 Lapb

Modelacin Estocstica
Unidad 1 Actividad 1
FORO
14 de abril de 2016
Autor: Laura Pontn
Modelacin Estocstica
Unidad 1 Actividad 1
Actividad 1. Determinacin del tipo de distribucin que presenta un proceso estocstico
Recuerda considerar las diferentes distribuciones de probabilidad como:
Modelacin Estocstica | 14/04/2016
Cuando se tiene un conjunto de datos es importante considerar:
Analice cada situacin y establezca:

La variable aleatoria Xt, el espacio de estados y paramtrico.
Analice el histograma de frecuencias
Encuentre la media y la varianza
Proponga una distribucin considerando los parmetros y el problema.
Justifique su respuesta(No es necesario realizar la prueba de bondad de ajuste)
Los resultados de tu anlisis los colocaras en el foro o espacio correspondiente para la actividad 1.
1. Suponga que en el Hospital de Guadalajara nacen diario aproximadamente 40 bebes, se obtuvieron los datos
de los nios que nacieron en el hospital en los siguientes 100 das con el siguiente histograma:
Instrucciones:
1. Revisa el listado de situaciones que se te presentan en el archivo Unidad 1 Actividad 1. (Archivo Adjunto)
2. Identifica el tipo de distribucin que presentan los fenmenos aleatorios dados, explicando su propuesta.
3. Ingresa al foro y anota tus conclusiones. (Elabora un resumen con tus respuestas como parte de comentario en
el foro)
4. Revisa las conclusiones de tres de tus compaeros aceptando o rechazando su respuesta, explicando t decisin.
5. Consulta la rbrica general de la participacin en foros que se encuentra en la seccin Material de apoyo.
Consideraciones:
Revisa detenidamente cada uno de los siguientes casos y especifica el tipo de comportamiento probabilstico que
presentan, justificando tu respuesta. Usa el foro para discutir tus soluciones.
Establece el tipo de comportamiento probabilstico que presentan considerando la variable aleatoria, el
espacio de estados y paramtrico.
Es importante obtener el histograma de los datos, en algunos los datos estn agrupados y en otros se
encuentran los datos. Es necesario colocar el histograma correspondiente.
Observando el histograma y comparando con las grficas de diferentes distribuciones de
probabilidad, elegir una. Justifica tu respuesta.
Establece la funcin de densidad y parmetros de la distribucin elegida.
Calcula la media y varianza de los datos.
Puedes utilizar programa estadsticos para justificar tu anlisis.
No es necesario elaborar la prueba de bondad de ajuste.
Recuerda colocar referencias de informacin o de posibles programas.
En el foro pueden subir sus archivos para una revisin ms clara, sin embargo en su comentario establece a qu
distribucin se asemejan los datos de cada ejercicio.
Revisen el siguiente video para que analicen la forma encontrar los valores de la distribucin esperada, recuerden
que todava no estamos haciendo el anlisis completo.
https://www.youtube.com/watch?v=6UXVCa-JTnQ
Referencias:
http://meteo.fisica.edu.uy/Materias/Analisis_Estadistico_de_Datos_Climaticos/teorico_AEDC/Distribuciones_
Probabilidad_2011.pdf
http://www.itch.edu.mx/academic/industrial/estadistica1/cap04b.html
http://www.vitutor.net/2/11/medidas_dispersion.html
http://www.ugr.es/~bioestad/guiaspss/practica6/
Posibles Programas:
http://math.exeter.edu/rparris/winstats.html
http://www.minitab.com/es-mx/
https://www.r-project.org/
Establezca:

Justifique su respuesta
Anlisis del histograma de frecuencias

Primero, haciendo un trazado de lneas en el histograma para obtener los puntos exactos, las lneas rojas nos
ayudan a situarnos sobre los datos conocidos y con las de color azul completamos las faltantes para obtener los
datos precisos, de tal manera que el histograma queda con los valores como se muestra a continuacin:
20
17
14
15
10
12
10
12
0
1
A partir de estos datos establecemos la tabla:

Nacimientos dias
8
8
9
6
10
17
11
14
12
10
13
7
14
12
15
9
16
12
17
3
18
2
La variable aleatoria Xt, el espacio de estados y paramtrico
Variable aleatoria:
Nmero de nios nacidos en el da .
Espacio de estados:
Nmero de nios nacidos en el da

Discreto.
Espacio paramtrico:
Da en el que nacieron los nios
Discreto.
10 11

Tabla de Frecuencias
Xi
fi
Xifi
64
54
10
17
170
11
14
154
12
10
120
13
91
14
12
168
15
135
16
12
192
17
51
18
36
100
1235
12.35
Xi
fi
Xifi
xi-
(xi-)2
fi(xi-)2
64
-4.35
18.9225
54
-3.35
11.2225
67.335
10
17
170
-2.35
5.5225
93.8825
11
14
154
-1.35
1.8225
25.515
12
10
120
-0.35
0.1225
1.225
13
91
0.65
0.4225
2.9575
14
12
168
1.65
2.7225
32.67
15
135
2.65
7.0225
63.2025
151.38
16
12
192
3.65
13.3225
159.87
10
17
51
4.65
21.6225
64.8675
11
18
36
5.65
31.9225
63.845
100
1235
7.15
114.6475
11
12.35
726.75
7.34090909
Media: 12.35
Desviacin Estndar: 7.34
Considero que es una distribucin de Poisson, debido a que este tipo de distribucin de Variable Aleatoria
Discreta (V.A.D), donde el conjunto de valores con probabilidad no nula no es finito, sino numerable. Se dice que
una variable aleatoria X sigue la distribucin de Poisson si su funcin de densidad viene dada por:
De entrada, este modelo tiene la caracterstica de que tiene un slo parmetro , que debe ser positivo.
Este tipo de distribucin normalmente se utiliza para contajes del tipo de nmero de individuos por unidad de
tiempo, como es el caso de los nios que nacen diariamente en un hospital, entonces la variable aleatoria
representa el nmero total de ocurrencias del fenmeno durante un periodo de tiempo fijo. Expresando la
Proponga una distribucin considerando los parmetros y el problema
probabilidad de un nmero k de ocurrencias acaecidas en un tiempo fijo, si estos eventos ocurren con una
frecuencia media conocida y son independientes del tiempo discurrido desde la ltima ocurrencia o suceso.
Para este tipo de distribucin se debe:
Identificar las propiedades de una distribucin Poisson, as como sus parmetros caractersticos,
esperanza y varianza.
Estimar el valor promedio, la , caracterstico de las variables de Poisson a partir de la frecuencia o
probabilidad de ocurrencia, p, y el nmero de veces que se presenta un suceso, n.
Establecer las bases para el cmputo de las probabilidades para variables Poisson
=12.35
0.12
0.1
0.08
0.06
0.04
0.02
0
1
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
A travs de Excel con la frmula de POISSON(x, , acumulado) y ampliando el rango de datos hacia adelante y
hacia atrs se obtiene la grfica de Poisson.
Bibliografa para este problema
"Distribucin de Poisson" Extrado de: https://www.uv.es/ceaces/base/modelos%20de%20probabilidad/poisson.htm el 14/04/2016

"Distribucin de Poisson" Extrado de: http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo3/B0C3m1t6.htm
el 14/04/2016
2. Se lanz una moneda 50 veces, con los resultados:

guila
guila
Sol
guila
Sol
Sol
Sol
Sol
guila
Sol
Sol
guila
Sol
Sol
guila
guila
guila
guila
Sol
Sol
Sol
Sol
guila
guila
Sol
guila
guila
guila
Sol
Sol
Sol
guila
guila
Sol
Sol
Sol
Sol
guila
guila
Sol
guila
Sol
guila
guila
Sol
guila
Sol
Sol
Sol
guila
Establezca:


Variable aleatoria:
Resultado obtenido al lanzar una moneda en el intento .
Espacio de estados:
Resultado obtenido al lanzar una moneda en el intento

Discreto.
Espacio paramtrico:
Nmero de lanzamientos
Discreto.
guila
Sol
Sol
guila
Sol
guila
Sol
Sol
guila
guila
guila
Sol
guila
guila
Sol
guila
guila
Sol
Sol
Sol
Sol
Sol
Sol
guila
guila
guila
guila
guila
guila
Sol
guila
guila
Sol
Sol
guila
Sol
Sol
guila
guila
Sol
Sol
Sol
guila
Sol
Sol
Sol
Sol
Sol
Sol
guila
guila: 23
Sol: 27
El espacio muestral maneja dos posibilidades tal que

, (siendo un xito o un fracaso,
dependiendo de la eleccin, as la opcin 0 es
y la opcin 1 est representada por
28
26
27
24
22
23
20
guila
sol

Considero que se trata de una distribucin binomial, ya que esta proviene de experimentos que solamente tienen
dos posibles resultados, como en este caso, (sol y guila) y se les puede denominar de xito o fracaso, tal que los
datos provienen de un conteo, y tambin por ello se le clasifica como distribucin discreta, la distribucin
binomial proviene de varias pruebas y la probabilidad de xito y/o fracaso es la misma, tal que son
independientes.
Para la construccin de una distribucin binomial, resulta necesario conocer el nmero de pruebas que se repiten
y la probabilidad de que suceda un xito en cada una de ellas, donde su funcin de densidad de probabilidad se rige
por la siguiente frmula:
,
siendo las combinaciones de n en x, es decir elementos tomados de x en x
Donde:

"Distribuciones de probabilidad" Extrado de:
http://meteo.fisica.edu.uy/Materias/Analisis_Estadistico_de_Datos_Climaticos/teorico_AEDC/Distribuciones_Probabilidad_2011.pdf
el 14/04/2016
1.83
1.57
1.50
1.65
1.27
1.57
1.89
2.08
1.43
1.62
1.57
2.07
1.33
1.27
1.69
1.50
1.67
1.95
2.02
1.29
1.70
1.20
1.91
1.40
1.95
1.48
1.55
1.42
1.76
1.55
1.47
1.55
1.53
1.52
1.93
1.22
1.58
1.30
1.42
1.32
1.95
1.85
1.70
1.60
1.85
1.81
1.73
0.96
1.72
1.94
1.61
1.50
1.50
1.98
2.00
1.56
1.58
1.72
1.32
1.66
1.32
1.45
1.55
1.24
1.15
1.69
1.98
1.65
1.37
1.82
1.68
1.99
1.89
1.58
1.55
1.55
1.70
1.35
1.47
1.36
1.54
1.56
1.27
1.49
1.46
1.64
1.37
1.53
1.43
1.48
1.45
1.52
0.96
1.56
1.28
1.89
1.06
1.82
1.45
1.63
Establezca:

3. Se tom una muestra de estaturas en el Zcalo de la Ciudad de Mxico a adultos jvenes, teniendo los
siguientes resultados:

Variable aleatoria:
Altura de adultos jvenes en la observacin .
Espacio de estados:
Estatura observada en el joven

Continuo.
Espacio paramtrico:
Nmero de Observaciones
Discreto.

En este problema pienso que se debe trabajar con intervalos, pero primero hay que ordenar los datos, para tener
ms clara la informacin, as que nuestra primer conclusin es que tenemos 100 datos
Tenemos los siguientes datos ya ordenados, y para calcular los intervalos deberemos sacarle la raz a el total de
datos para obtener los intervalos.
FRECUENCIA ESTATURAS FRECUENCIA2 ESTATURAS2

2
0.96
1.06
1.6
1.15
1.61
1.2
1.62
1.22
1.63
1.24
1.64
1.27
1.65
1.28
1.66
1.29
1.67
1.3
1.68
1.32
1.69
1.33
1.7
1.35
1.72
1.36
1.73
1.37
1.76
1.4
1.81
1.42
1.82
1.43
1.83
1.45
1.85
1.46
1.89
1.47
1.91
1.48
1.93
1.49
1.94
1.5
1.95
1.52
1.98
1.53
1.99
1.54
1.55
2.02
1.56
2.07
1.57
2.08
56
44
100
1.58
Entonces debemos preparar la tabla de frecuencias con los

intervalos, siendo que si tenemos 10 intervalos, dada por la
resta del ltimo menos el primer dato entre el nmero de
intervalos.
Calculamos la amplitud:
Frecuencias de Edad
25
20
15
10
0
Series1
10
10
19
22
14

i
1
2
3
4
5
6
7
8
9
10
Totales
Lim inf.
0.96
1.072
1.184
1.296
1.408
1.52
1.632
1.744
1.856
1.968
Lim Sup
1.072
1.184
1.296
1.408
1.52
1.632
1.744
1.856
1.968
2.08
amplitud
0.112
0.112
0.112
0.112
0.112
0.112
0.112
0.112
0.112
0.112
Xi
1.016
1.128
1.24
1.352
1.464
1.576
1.688
1.8
1.912
2.024
15.2
fi
3
1
8
10
19
22
14
7
9
7
100
Media
Xifi
3.048
1.128
9.92
13.52
27.816
34.672
23.632
12.6
17.208
14.168
157.712
1.57712
xi-
-0.56112
-0.44912
-0.33712
-0.22512
-0.11312
-0.00112
0.11088
0.22288
0.33488
0.44688
(xi-)2
0.314855654
0.201708774
0.113649894
0.050679014
0.012796134
1.2544E-06
0.012294374
0.049675494
0.112144614
0.199701734
Desv Est. 2
fi(xi-)2
0.94456696
0.20170877
0.90919916
0.50679014
0.24312655
2.7597E-05
0.17212124
0.34772846
1.00930153
1.39791214
5.73248256
0.05790386
Ya aqu en este punto ya tenemos varios datos muy importantes, la media y la desviacin estndar,
Las caractersticas de una distribucin normal siguen las siguientes caractersticas,
"1. La curva normal tiene forma de campana, como lo vimos en el grfico presentado arriba, la media, la moda y
la mediana de la distribucin son iguales y se localizan en el centro de la distribucin.
3. La curva normal se aproxima de manera asinttica al eje horizontal conforme se aleja de la media en cualquier
direccin. Esto significa que la curva se acerca al eje horizontal conforme se aleja de la media, pero nunca lo llega
a tocar."
En este caso como ya lo vimos la curva efectivamente tiene forma de campana y resulta ser que la mayora de las
estaturas se encuentran en el punto central ya que es poca la gente que tiene o estaturas muy bajas o estaturas muy
altas.
"Distribuciones de probabilidad" Extrado de:
http://meteo.fisica.edu.uy/Materias/Analisis_Estadistico_de_Datos_Climaticos/teorico_AEDC/Distribuciones_Probabilidad_2011.pdf
el 14/04/2016
2. La distribucin de probabilidad normal es simtrica alrededor de su media. Por lo tanto, la mitad del rea bajo
la curva est antes del punto central y la otra mitad despus. El rea total bajo la curva es igual a 1.
10
4. El nmero de accidentes fatales en las carreteras de Mxico en los ltimos 50 das fueron:
Establezca:

Justifique su respuesta.

Variable aleatoria:
Nmero de Accidentes Fatales en la carretera en el da .
Espacio de estados:
Nmero de Accidentes Fatales en la carretera en el da

Discreto.
Espacio paramtrico:
Discreto.
11

Para esto, hacemos lo mismo que hicimos en el ejercicio primero trazando las lneas primarias (conocidas), para
completar las faltantes y obtener los datos exactos
Ahora que ya tenemos la grfica definida, extraemos los datos:

Frecuencias de accidentes
13
14
12
12
10
4
2
0
1
2
1
4
DIA
ACCIDENTES
13
12
12

i
1
2
3
4
5
6
7
8
9
lim inf
0
1
2
3
4
5
6
7
8
sim sup
1
2
3
4
5
6
7
8
9
amplitud
1
1
1
1
1
1
1
1
1
Xi
0.5
1.5
2.5
3.5
4.5
5.5
6.5
7.5
8.5
fi
8
13
12
7
5
1
2
1
1
Xifi
4
19.5
30
24.5
22.5
5.5
13
7.5
8.5
135
Media
2.7
xi-
-2.2
-1.2
-0.2
0.8
1.8
2.8
3.8
4.8
5.8
(xi-)2
4.84
1.44
0.04
0.64
3.24
7.84
14.44
23.04
33.64
fi(xi-) 2
38.72
18.72
0.48
4.48
16.2
7.84
28.88
23.04
33.64
172
3.51020408
14
12
10
8
6
4
2
0
1

0.3
=2.7
0.25
0.2
0.15
0.1
0.05
13
En este caso nuevamente es una distribucin de POISSON, as tal como vimos en el ejercicio 1 , aplica tambin en
este caso, dado que este tipo de distribucin normalmente se utiliza para contajes del tipo de nmero de
individuos por unidad de tiempo, aqu es el nmero de accidentes ocurridos en un intervalo de das, as que la
variable aleatoria representa el nmero total de ocurrencias del fenmeno durante un periodo de tiempo fijo.
Expresando la probabilidad de un nmero k de ocurrencias acaecidas en un tiempo fijo, si estos eventos ocurren
con una frecuencia media conocida y son independientes del tiempo discurrido desde la ltima ocurrencia o
suceso.
"Distribucin de Poisson" Extrado de: https://www.uv.es/ceaces/base/modelos%20de%20probabilidad/poisson.htm el 14/04/2016
"Distribucin de Poisson" Extrado de: http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo3/B0C3m1t6.htm
el 14/04/2016
5. Se tom el tiempo entre llegada de personas que llegan a la fila del pan en la panadera la Esperanza por una
tarde de sbado.
0.19345578
0.81333892
0.28815321
1.10383336
0.87579978
0.11584202
0.47034941
1.6005678
1.65710559
0.82180464
0.0495579
0.07370303
0.36417796
0.15730417
0.77854779
0.10081422
1.76029271
0.19938716
1.22262507
0.36700647
0.48135231
0.39130143
0.05689317
1.75167785
0.2520632
0.45108477
0.25846166
1.94901553
0.09695509
0.22963598
0.26557586
0.00165598
0.30695638
0.03846205
0.13649691
0.91222839
0.21465689
0.92878999
0.145221
0.56171294
0.6744478
0.25170532
0.35806813
0.03941164
0.01295889
0.32823931
0.68929783
0.12115913
0.10832399
0.30294449
Establezca:


Variable aleatoria:
Tiempo entre la llegada de las personas que llegan a la fila del pan en la panadera la Esperanza en el momento n.
Espacio de estados:
Tiempo que tarda en la fila cada persona que llega a la fila del pan en la panadera la Esperanza
Continuo.
Espacio paramtrico:
Discreto.
14

Aqu procedemos a ordenar los datos, para saber qu es lo que tenemos con exactitud
Por lo que ahora calculamos los intervalos:
Tiempo
0.00165598
Columna 1
0.30695638
0.01295889
0.32823931
0.03846205
0.35806813
0.03941164
0.36417796
0.0495579
0.36700647
0.05689317
0.39130143
0.07370303
0.45108477
0.09695509
0.47034941
0.10081422
0.48135231
0.10832399
0.56171294
0.11584202
0.6744478
0.12115913
0.68929783
0.13649691
0.77854779
0.145221
0.81333892
0.15730417
0.82180464
0.19345578
0.87579978
0.19938716
0.91222839
0.21465689
0.92878999
20
0.22963598
1.10383336
16
Entonces debemos preparar la tabla de frecuencias con los intervalos, siendo

que si tenemos 8 intervalos, dada por la resta del ltimo menos el primer dato
entre el nmero de intervalos.
Limite inferior
Limite superior
Frecuencia
0.00165598
0.245075924
19
0.245075924
0.488495868
15
0.488495868
0.731915811
3
0.731915811
0.975335755
6
0.975335755
1.218755699
1
1.218755699
1.462175643
1
1.462175643
1.705595586
2
1.705595586
1.94901553
3
50

A partir de estos datos ya podemos generar la grfica para poder visualizar el
histograma de frecuencias.
19
18
15
14
0.25170532
1.22262507
0.2520632
1.6005678
0.25846166
1.65710559
12
10
8
6
6
4
3
2
0.26557586
15
1.75167785
0.28815321
1.76029271
0.30294449
1.94901553
i
1
2
3
4
5
6
7
8
0
Series1
19
15
Ya con todos los datos elaboramos la tabla para poder conocer la media y la
desviacin estndar.
Lmite Inferior
Lmite Superior
0.00165598
0.245075924
0.245075924
0.488495868
0.488495868
0.731915811
0.731915811
0.975335755
0.975335755
1.218755699
1.218755699
1.462175643
1.462175643
1.705595586
1.705595586
1.94901553
amplitud
0.243419944
0.243419944
0.243419944
0.243419944
0.243419944
0.243419944
0.243419944
0.243419944
fi
19
15
3
6
1
1
2
3
xi
0.12336595
0.3667859
0.61020584
0.85362578
1.09704573
1.34046567
1.58388561
1.82730556
Xifi
2.34395309
5.50178843
1.83061752
5.1217547
1.09704573
1.34046567
3.16777123
5.48191667
25.885313
0.51770626
xi-
-0.394340309
-0.150920365
0.092499579
0.335919522
0.579339466
0.82275941
1.066179354
1.309599297
(xi-)2
0.15550428
0.02277696
0.00855617
0.11284193
0.33563422
0.67693305
1.13673841
1.71505032
2
fi(xi-) 2
2.9545813
0.34165435
0.02566852
0.67705155
0.33563422
0.67693305
2.27347683
5.14515096
12.4301508
0.25367655

As a simple vista podemos ver que se trata de una distribucin exponencial, de hecho al hacer la grfica en excel
pudimos realizar el trazado de lnea de tendencia exponencial, tal que aplica para los casos en los que existe una
distribucin del tiempo de espera entre suceso de un proceso de Poisson, en s es una distribucin de probabilidad
continua con un parmetro >0, cuya funcin de densidad es:
En este caso estamos tratando con un sistema de colas, donde estos sistemas suelen contener incertidumbre. En
particular, para los tiempos entre las llegadas de los clientes y cuando ocurre que los tiempos de servicios no se
conocen con anticipacin de forma exacta. Por lo que para modelar esta incertidumbre, es muy habitual valerse de
la distribucin exponencial. Asumiendo que los tiempos entre llegadas y de servicios estn exponencialmente
distribuidos, se simplifica mucho el anlisis de una cola.
"Distribucin exponencial" Extrado de https://www.uv.es/ceaces/base/modelos%20de%20probabilidad/exponencial.htm el
16/04/2016
http://www.est.uc3m.es/esp/nueva_docencia/comp_col_leg/ing_tec_inf_gestion/io/doc_col_grupo1/archivos/hoja_pract4.pdf el
16/04/2016
6. Suponga que una escuela est midiendo el avance de sus alumnos de quinto y sexto grado. Se
les hizo una prueba donde tuvieron diversas preguntas y se consider el nmero de aciertos
de cada alumno hasta llegar al primer error en su examen. Se tienen los siguientes resultados:
Establezca:
La variable aleatoria Xt, el espacio de

estados y paramtrico.
Proponga una distribucin considerando
los parmetros y el problema.

Variable aleatoria:
Nmero de Aciertos de cada alumno hasta llegar al primer error en su examen en la pregunta .
Espacio de estados:
Nmero de Aciertos de cada alumno hasta llegar al primer error en su examen en la pregunta
Discreto.
Espacio paramtrico:
Nmero de Pregunta del primer error
Discreto.
16

Para ello hacemos el trazado de las lneas conocidas que nos permitan conocer los datos.
Alumnos
Aciertos
32
Aciertos
35
25
20
15
50
10
32
30
0
1
17
i
1
2
3
4
5
6
Lmite Inferior
0
1
2
3
4
5
Lmite Superior
1
2
3
4
5
6
Amplitud
1
1
1
1
1
1
XI
0.5
1.5
2.5
3.5
4.5
5.5
fi
32
8
2
3
4
1
Xifi
16
12
5
10.5
18
5.5
67
1.34
xi-
-0.84
0.16
1.16
2.16
3.16
4.16
(xi-)2
0.7056
0.0256
1.3456
4.6656
9.9856
17.3056
2

Me parece que es una distribucin geomtrica o de pascal, tal que esta distribucin sirve para calcular una
experiencia aleatoria cuyo resultado slo puede ser el suceso A o su complementario Ac, y que se repite
secuencialmente hasta que aparece el suceso A por primera vez.
fi(xi-) 2
22.5792
0.2048
2.6912
13.9968
39.9424
17.3056
96.72
1.97387755
Donde la variable aleatoria X es el nmero de veces que repetimos la experiencia en condiciones

independientes hasta que se d A por primera vez. Bajo estas condiciones, decimos que la variable X sigue una
distribucin geomtrica o de Pascal de parmetro
La funcin de densidad puede deducirse fcilmente de la definicin:

"Distribucin Geomtrica" Extrado de
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo3/B0C3m1t10.htm el 16/04/2016
"Distribucin Geomtrica" Extrado de http://estadistica-santiago.blogspot.mx/2010/09/distribucion-geometrica_26.html el
16/04/2016
7. Se calculan el nmero de autos que llegan a la carretera Mxico-Toluca por las maanas
durante 50 das teniendo lo siguientes resultados:
90
173
88
166
140
143
132
172
159
113
67
114
169
112
140
57
52
170
62
75
60
44
143
58
198
83
133
127
119
147
184
62
156
66
94
67
152
97
56
148
189
118
189
171
90
160
161
199
56
92


Variable aleatoria:
Nmero de autos que llegan a la carretera Mxico-Toluca por las maanas en el da .
Espacio de estados:
Nmero de autos que llegan a la carretera Mxico-Toluca por las maanas en el da .

Discreto.
Establezca:
18
Espacio paramtrico:
El da en el que se registra la observacin

Discreto.
Para ello, primero que nada tenemos que ordenar los datos para conocer exactamente que informacin exacta
tenemos y poder realizar el histograma de frecuencias.
19
AUTOS
44
AUTOS2
127
52
132
56
133
56
140
57
140
58
143
60
143
62
147
62
148
66
152
67
156
67
159
75
160
83
161
88
166
90
169
90
170
Lmite Inferior
Lmite Superior
Amplitud
92
171
44
63.375
19.375
94
172
63.375
82.75
19.375
97
173
82.75
102.125
19.375
112
184
102.125
121.5
19.375
113
189
121.5
140.875
19.375
114
189
140.875
160.25
19.375
118
198
160.25
179.625
19.375
119
199
179.625
199
19.375
i
1
2
3
4
5
6
7
8
Lmite Inferior
44
63.375
82.75
102.125
121.5
140.875
160.25
179.625
Entonces debemos preparar la tabla de frecuencias con los intervalos, siendo que si
tenemos 8 intervalos, dada por la resta del ltimo menos el primer dato entre el
nmero de intervalos.
Elaboramos la tabla con los datos:
Lmite Superior
63.375
82.75
102.125
121.5
140.875
160.25
179.625
199
Amplitud
19.375
19.375
19.375
19.375
19.375
19.375
19.375
19.375
XI
53.6875
73.0625
92.4375
111.8125
131.1875
150.5625
169.9375
189.3125
fi
9
4
7
5
5
8
7
5
Xifi
483.1875
292.25
647.0625
559.0625
655.9375
1204.5
1189.5625
946.5625
5978.125
119.5625
xi-
-65.8750
-46.5000
-27.1250
-7.7500
11.6250
31.0000
50.3750
69.7500
(xi-)2
4339.515625
2162.250000
735.765625
60.062500
135.140625
961.000000
2537.640625
4865.062500
2
fi(xi-)2
39055.6406
8649
5150.35938
300.3125
675.703125
7688
17763.4844
24325.3125
103607.813
2114.44515
10
9
9
8
8
7
6
5
5
4
4
3
2
1
0

Por el ejercicio se trata del nmero de autos que llegan a una carretera en 50 das lo cual nos indica una
distribucin uniforme discreta, La distribucin rectangular, tambin conocida como uniforme discreta, implica
una variable aleatoria, X, que tome la misma probabilidad para N valores igualmente espaciados entre dos valores,
a y b (a<b).
De manera que todos los intervalos de una misma longitud (dentro de (a, b)) tienen la misma probabilidad.
Tambin puede expresarse como el modelo probabilstico correspondiente a tomar un nmero al azar dentro de
un intervalo (a, b).
De la anterior definicin se desprende que la funcin de densidad debe tomar el mismo valor para todos los
puntos dentro del intervalo (a, b) (y cero fuera del intervalo). Es decir,

"Distribucin Uniforme" http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo4/B0C4m1t1.htm Extrado el 16/04/2016
13.16
21.36
11.51
14.75
8.35
14.18
18.94
9.79
12.77
21.08
29.54
22.74
26.73
21.08
19.52
8.57
29.11
20.74
18.44
19.08
29.88
8.66
16.55
11.37
14.78
10.42
21.21
29.09
23.46
10.30
29.51
20.42
29.39
10.19
24.71
21.62
12.66
12.83
17.67
25.60
26.66
15.10
24.97
12.10
20.61
12.06
23.51
9.57
17.56
15.64
8. A 50 nios de 4 aos se les peso teniendo los siguientes resultados en kilogramos:
20
Establezca:


Variable aleatoria:
Peso del nio n de 4 aos en Kg
Espacio de estados:
Peso del nio n de 4 aos en Kg

Continuo
Espacio paramtrico:
Nio n de 4 aos pesado
Discreto.
Para ello, primero que nada tenemos que ordenar los datos para conocer exactamente que informacin exacta
tenemos y poder realizar el histograma de frecuencias.
21
Nios
Nios2
8.35
18.94
8.57
19.08
8.66
19.52
9.57
20.42
9.79
20.61
10.19
20.74
10.3
21.08
10.42
21.08
11.37
21.21
11.51
21.36
12.06
21.62
12.1
22.74
12.66
23.46
12.77
23.51
12.83
24.71
13.16
24.97
14.18
25.6
14.75
26.66
14.78
26.73
15.1
29.09
15.64
29.11
16.55
29.39
17.56
29.51
17.67
29.54
18.44
29.88
Entonces debemos preparar la tabla de frecuencias con los intervalos, siendo

que si tenemos 8 intervalos, dada por la resta del ltimo menos el primer dato
entre el nmero de intervalos.
Elaboramos la tabla con los datos:
i
1
2
3
4
5
6
7
8
Lmite Inferior
8.35
11.04125
13.7325
16.42375
19.115
21.80625
24.4975
27.18875
Lmite Superior
11.04125
13.7325
16.42375
19.115
21.80625
24.4975
27.18875
29.88
Amplitud
2.69125
2.69125
2.69125
2.69125
2.69125
2.69125
2.69125
2.69125
XI
9.695625
12.386875
15.078125
17.769375
20.460625
23.151875
25.843125
28.534375
fi
8
8
5
6
9
3
5
6
Xifi
77.565
99.095
75.390625
106.61625
184.145625
69.455625
129.215625
171.20625
912.69
18.2538
xi-
-8.558175
-5.866925
-3.175675
-0.484425
2.206825
4.898075
7.589325
10.280575
(xi-)
73.2423593
34.420809
10.0849117
0.23466758
4.87007658
23.9911387
57.597854
105.690222
2
fi(xi-)
585.938875
275.366472
50.4245585
1.40800548
43.8306892
71.9734161
287.98927
634.141334
1951.07262
39.8178086
10
9
9
8
8
7
6
6
5
5
4
3
3
2
1
0

De acuerdo a los datos del ejercicio y por el histograma obtenido podemos darnos cuenta se trata de una
distribucin uniforme continua ya que los datos de la muestra no varan y se mantienen en un solo peso en este
caso, ya que esta distribucin de probabilidad que se asocia a experimentos similares a elegir un numero al azar
entre los valores a y b.
La distribucin o modelo uniforme puede considerarse como proveniente de un proceso de extraccin aleatoria.
El planteamiento radica en el hecho de que la probabilidad se distribuye uniformemente a lo largo de un intervalo.
As : dada una variable aleatoria continua, x , definida en el intervalo [a,b] de la recta real, diremos que x tiene una
distribucin uniforme en el intervalo [a,b] cuando su funcin de densidad para
sea
para

"Distribucin Uniforme" http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo4/B0C4m1t1.htm Extrado el 16/04/2016
"Distribucin Uniforme" https://www.uv.es/ceaces/base/modelos%20de%20probabilidad/uniforme.htm Extrado el 16/04/2016
Conclusiones de la Actividad
Primero que nada es importante identificar la variable aleatoria, el espacio de resultados y paramtrico porque una
buena definicin bsica del problema, nos brinda la posibilidad de ir dndonos cuenta de qu tipo de distribucin
se trata, luego al analizar el histograma de frecuencias que ya implic ordenar los datos, generar los intervalos
segn sea el caso y finalmente conocer la media y la desviacin estndar nos termina dando la certeza de qu tipo
de distribucin exactamente debemos aplicar al caso, considero que la actividad aunque si estuvo muy larga, vali
La probabilidad de cualquier suceso depende nicamente de la amplitud del intervalo ( X) , y no de su posicin

en la recta real [a , b] . Lo que viene a demostrar el reparto uniforme de la probabilidad a lo largo de todo el
campo de actuacin de la variable , lo que , por otra parte, caracteriza al modelo.
22
la pena para reafirmar conceptos de procesos estocsticos y de probabilidad, muy importantes para los temas que
seguirn en adelante
23

Mmes U1 A1 Lapb

Cargado por

Copyright:

Formatos disponibles

Mmes U1 A1 Lapb

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Mmes U1 A1 Lapb

Cargado por

Copyright:

Formatos disponibles

Modelacin Estocstica

Recuerda considerar las diferentes distribuciones de probabilidad como:

Modelacin Estocstica | 14/04/2016

Cuando se tiene un conjunto de datos es importante considerar:

Analice cada situacin y establezca:

Modelacin Estocstica | 14/04/2016

La variable aleatoria Xt, el espacio de estados y paramtrico.

Anlisis del histograma de frecuencias

A partir de estos datos establecemos la tabla:

Modelacin Estocstica | 14/04/2016

La variable aleatoria Xt, el espacio de estados y paramtrico

Nmero de nios nacidos en el da

Encuentre la media y la varianza

Modelacin Estocstica | 14/04/2016

Proponga una distribucin considerando los parmetros y el problema

Modelacin Estocstica | 14/04/2016

"Distribucin de Poisson" Extrado de: https://www.uv.es/ceaces/base/modelos%20de%20probabilidad/poisson.htm el 14/04/2016

2. Se lanz una moneda 50 veces, con los resultados:

La variable aleatoria Xt, el espacio de estados y paramtrico.

La variable aleatoria Xt, el espacio de estados y paramtrico

Resultado obtenido al lanzar una moneda en el intento

Anlisis del histograma de frecuencias

Modelacin Estocstica | 14/04/2016

El espacio muestral maneja dos posibilidades tal que

Encuentre la media y la varianza

Proponga una distribucin considerando los parmetros y el problema

siendo las combinaciones de n en x, es decir elementos tomados de x en x

Modelacin Estocstica | 14/04/2016

Bibliografa para este problema

La variable aleatoria Xt, el espacio de estados y paramtrico.

Modelacin Estocstica | 14/04/2016

La variable aleatoria Xt, el espacio de estados y paramtrico

Estatura observada en el joven

Anlisis del histograma de frecuencias

Modelacin Estocstica | 14/04/2016

FRECUENCIA ESTATURAS FRECUENCIA2 ESTATURAS2

Entonces debemos preparar la tabla de frecuencias con los

Encuentre la media y la varianza

Modelacin Estocstica | 14/04/2016

La variable aleatoria Xt, el espacio de estados y paramtrico.

La variable aleatoria Xt, el espacio de estados y paramtrico

Nmero de Accidentes Fatales en la carretera en el da

Modelacin Estocstica | 14/04/2016

Anlisis del histograma de frecuencias

Ahora que ya tenemos la grfica definida, extraemos los datos:

Modelacin Estocstica | 14/04/2016

Encuentre la media y la varianza

Proponga una distribucin considerando los parmetros y el problema

Modelacin Estocstica | 14/04/2016

La variable aleatoria Xt, el espacio de estados y paramtrico.

La variable aleatoria Xt, el espacio de estados y paramtrico

Modelacin Estocstica | 14/04/2016

Anlisis del histograma de frecuencias

Entonces debemos preparar la tabla de frecuencias con los intervalos, siendo

Encuentre la media y la varianza

Modelacin Estocstica | 14/04/2016

Proponga una distribucin considerando los parmetros y el problema

La variable aleatoria Xt, el espacio de

La variable aleatoria Xt, el espacio de estados y paramtrico