Beruflich Dokumente
Kultur Dokumente
DESARRO DE LA UNIDAD 4
UNIDAD 4
MATERIA: SIMULACION
HORARIO: LUNES Y MIRCOLES DE 9-11
INTEGRANTES:
CUERVO GARCIA LUCERO
DEL ANGEL SONI ALEX ABRAHAM
Contenido
4.5 Muestras definitivas ...................................................................................................................... 3
4.5.1 Estadstica descriptiva ............................................................................................................ 3
4.5.2 Muestra pequeas: Prueba de Kolmogrov- Smirnov para ajuste de una distribucin de
probabilidades continua hipottica (en hoja de clculo o con paquete estadstico) ..................... 3
4.5.3 Muestras grandes: Prueba de karl- Person para ajuste de una distribucin de
probabilidades hipottica, discreta o continua (en hoja de clculo o con un paquete de
estadstico). ..................................................................................................................................... 5
4.5.4 Otras pruebas: Anderson- Darling, prueba G, por ejemplo. .................................................. 6
4.6 Simulacin de los comportamientos ............................................................................................. 8
4.5 Muestras definitivas
4.5.1 Estadstica descriptiva
La estadstica descriptiva es la rama de las Matemticas que recolecta, presenta y caracteriza un
conjunto de datos (por ejemplo, edad de una poblacin, altura de los estudiantes de una escuela,
temperatura en los meses de verano, etc.) con el fin de describir apropiadamente las diversas
caractersticas de ese conjunto.
Al conjunto de los distintos valores numricos que adopta un carcter cuantitativo se llama
variable estadstica.
Variables cuantitativas: tienen valor numrico (edad, precio de un producto, ingresos anuales).
Variables unidimensionales: slo recogen informacin sobre una caracterstica (por ejemplo:
edad de los alumnos de una clase).
Discretas: slo pueden tomar valores enteros (1, 2, 8, -4, etc.). Por ejemplo: nmero de
hermanos (puede ser 1, 2, 3...., etc., pero, por ejemplo, nunca podr ser 3.45).
Continuas: pueden tomar cualquier valor real dentro de un intervalo. Por ejemplo, la velocidad
de un vehculo puede ser 90.4 km/h, 94.57 km/h...etc.
Cuando esta diferencia es significativamente grande se rechaza la hiptesis de que las muestras
proceden de la misma poblacin y la decisin se basa en el valor tipificado del estadstico de
prueba, Z, que tiene distribucin normal tipificada.
Ejemplo:
4.5.3 Muestras grandes: Prueba de karl- Person para ajuste de una
distribucin de probabilidades hipottica, discreta o continua (en hoja de
clculo o con un paquete de estadstico).
El coeficiente de correlacin de Pearson opera con puntuaciones tipificadas (que miden posiciones
relativas) y se define:
Observa que los datos tipificados (expresados como puntuaciones z) en las dos columnas de la
derecha tienen los mismos valores en ambas variables, dado que las posiciones relativas son las
mismas en las variables X e Y.
Si obtenemos los productos de los valores tipificados para cada caso, el resultado es:
El cociente de dividir la suma de productos (5) por N (hay que tener en cuenta que N es el nmero
de casos, NO el nmero de datos) es igual a 1:
Estadsticos de prueba:
Simulacin limitada, propia de los sistemas en los que la duracin del periodo de tiempo objeto
de estudio est delimitado por algn tipo de evento. Al comienzo de este periodo, el sistema est
en unas determinadas condiciones iniciales y, por lo tanto, se debe procurar que las condiciones
iniciales del modelo de simulacin sean representativas del sistema real. Por ejemplo, el anlisis
del funcionamiento de una sucursal bancaria, a lo largo de una jornada es un caso de simulacin
limitada.
Con rgimen permanente, en los que el comportamiento del sistema se estabiliza pasado un
determinado tiempo. Dependiendo de las condiciones en las que comienza la simulacin, se
atraviesa un periodo transitorio durante el cual se obtienen valores que generalmente no son
representativos del funcionamiento del sistema en condiciones normales.
Con rgimen permanente cclico, en los que el sistema presenta un comportamiento cclico. Si, por
ejemplo, la demanda de un sistema de tipo JIT vara mensualmente, cabe esperar un rgimen
permanente con variaciones cclicas que se repiten cada mes. Sin rgimen permanente, en los
que no se observa ningn tipo de patrn constante a lo largo de la simulacin.