Sunteți pe pagina 1din 10

UNIVERSIDAD DE MANAGUA

Al ms alto nivel

SIMULACIN DE SISTEMAS Gua prctica #1 Determinar la Distribucin de los datos de una Simulacin
Prof.: MSc. Julio Rito Vargas A. Grupo: Ingeniera Industrial

Objetivos: Utilizar la herramienta Stat::Fit de Promodel con la finalidad de determinar la distribucin de probabilidad a partir de un conjunto de datos o Realizar contraste de Hiptesis usando los estadsticos Anderson- Darling, Chi-Cuadrad y Kolmogorov-Smirnov. o Graficar los datos de entrada y graficar todas las distribuciones de probabilidad que se pueden utilizar. o Obtener estadstica descriptiva de datos.

La herramienta Stat: :Fit de ProModel se utiliza para analizar y determinar el tipo de distribucin de probabilidad de un conjunto de datos. Esta programa permite comparar los resultados entre varias distribuciones analizadas mediante una calificacin. Entre sus procedimientos: emplea las pruebas Chi-cuadrada, de Kolmogorov-Smirnov y de AndersonDarlng. Adems calcula los parmetros apropiados para cada tipo de distribucin, e incluye informacin estadstica adicional como media, moda, valor mnimo, valor mximo y varianza, entre otros datos. Ejercicio: Determinacin del tipo de distribucin estadstica de un conjunto de datos Estos son los datos del nmero de automviles que entran a una gasolinera cada hora. 14 13 13 20 12 7 15 20 10 14 13 10 8 18 20 16 15 17 15 15 16 16 19 13 10 13 14 11 16 13 14 12 12 24 21 17 17 17 18 23 15 14 9 16 15 16 12 18 18 18

Julio Rito Vargas

Pg. 1

Determine la distribucin de probabilidad con nivel de significancia del 5%

Introduccin Ajuste de Curvas. Te ayuda a encontrar la mejor distribucin para representar los datos. Stat::fit utiliza las pruebas de Bondad de Ajuste ms comnmente conocidas, como son: a. Anderson-Darling. b. Chi-Cuadrada. c. Kolmogorov-Smirnov. Stat::Fit permite comparar los resultados entre varias distribuciones analizadas mediante una calificacin. Entre sus procedimientos emplea las pruebas estadsticas Chi-cuadrada, de Kolmogoro v-Smirnov y de Anderson-Darling. Conjuntamente calcula los parmetros apropiados para cada tipo de distribucin, e incluye informacin estadstica adicional como media, moda, valor mnimo, valor mximo y varianza, entre otros datos. Stat::Fit se puede ejecutar desde la pantalla de inicio de Promodel, o bien desde el comando Stat::Fit del men Tools. Entrada de datos y manipulacin Tabla de Datos Un nuevo proyecto se crea haciendo clic en el icono new en la barra de control o seleccionando File en la barra de men y luego New en el submen, esta accin genera un nuevo documento de Stat::Fit , y muestra una tabla vaca de datos (ver imagen 1) . Tambin de se pueden copiar (copy) datos desde otra aplicacin como Excel o el block de notas y pegar (paste) en la tabla de datos (Date Table). Imagen 1: Tabla de Datos
Una vez introducida la informacin es posible seleccionar una serie de opciones de anlisis estadstico, entre ellas las de estadstica descriptiva y de las pruebas de bondad de ajuste, de las cuales nos ocuparemos. Despus de introducido estos datos en Stat:Fit, despliegue el men Statistics y seleccione el comando Descriptive . En seguida aparecer una nueva ventana con el nombre de Descriptive Statistics, en donde se muestra el resumen estadstico de la variable (ver Imagen 2)

Julio Rito Vargas

Pg. 2

Imagen 2: Ventana de resultados de estadsticos descriptivos

Estadstica descriptiva: Nmero de datos (puntos) Valor mnimo Valor mximo Media Mediana Moda Desviacin estndar Varianza Coeficiente de variacin Asimetra Curtosis 50 7 24 15.04 15. 15 3.62199 13.1188 24.0504 0.126739 -0.121982

Julio Rito Vargas

Pg. 3

Determinacin del tipo de distribucin estadstica: Para determinar el tipo de distribucin de los datos, seleccione el comando Auto::Fit del men Fit en la pantalla principal de Stat::Fit. A continuacin se desplegar un cuadro de dilogo similar al que se ilustra en la Imagen 3, en la cual se tiene que seleccionar el tipo de distribucin que se desea probar. Para este ejercicio seleccionamos una distribucin de tipo discreto: discrete distributions por tratarse de datos contables (nmero de automviles que llegan a la gasolinera por hora, y esto es una variable aleatoria con esa caracterstica. Imagen 3: Selecciona el tipo de variable aleatoria.
En esta misma imagen 3, se debe seleccionar si la Distribucin es: unbounded: no acotada en ambos extremos); lower bound: si el lmite inferior est acotado, en este caso se puede aceptar la propuesta de que la cota del lmite inferior sea el dato ms pequeo de la muestra; assigned bound : o seleccionar explcitamente otro valor como lmite inferior. Haga clic en el botn Ok para que el proceso de ajuste se lleve a cabo.

El resultado se desplegar en la ventana Automatic Fitting, donde se describen las distribuciones de probabilidades analizadas, su posicin de acuerdo con el ajuste, y si los datos siguen o no algunas de las distribuciones conocidas. En la imagen 4 se observa el resultado del anlisis de ajuste del ejercicio, el cual nos indica que no se puede rechazar la hiptesis de que los datos provengan de cualquiera de las dos distribuciones Binomial con N=102 y p=0.148, o de Poisson, con media 15.
Imagen 4

Haga clic en cualquiera de las distribuciones.

Julio Rito Vargas

Pg. 4

Hacer clic en cualquiera de las dos distribuciones ver imagen 5; en seguida se desplegar el histograma que se se muestra; las barras azules representan la frecuencias observadas de los datos; la curva roja indica la frecuencia esperada de la distribucin terica. El formato del histograma puede ser modificado mediante el comando Graphics style (imagen 6) del men Graphics esta opcin est disponible solo est disponible cuando o se tiene activa la ventana comparision Graphics. Imagen 5: Comparacin grfica

Imagen 6: Estilo del Grfico. Aqu puede cambiar el tipo de grfico, la escala, el tipo de letra y colores. Puede mostrar: un ttulo para el grfico, as como leyendas para cada uno de los ejes.

Julio Rito Vargas

Pg. 5

Prueba Chi-cuadrada: Para n=50 datos, consideremos m=11 intervalos La media muestral es 15.04 y la varianza es 13.1188 Permiten establecer la siguiente hiptesis.

Prueba de Hiptesis: Ho: Poission (=15) Automviles/hora H1: Otra distribucin.

Calculo de la media y la desviacin estndar.

x 14 7 ... 18 X 15.04 n 50

S2

(x x)
n 1

(14 15.04) 2 ...(18 15.04) 2 13.1188 49

La Distribucin Poisson:

p ( x)

x e
x!

x 0,1,2,...

p ( x 0,12,3,4,5,6,7) 154 e 15 155 e 15 4! 5!

150 e 15 151 e 15 152 e 15 153 e 15 0! 1! 2! 3! 156 e 15 157 e 15 0.0180 6! 7!


(usando Excel)

POISSON.DIST(7,15,VERDADERO) = 0.018002193

158 e 15 159 e 15 0.0519 8! 9! POISSON.DIST(9,15,VERDADERO)- POISSON.DIST(7,15,VERDADERO) = 0.051851468 p( x 8,9) 1510 e 15 1511e 15 p( x 10,11) 0.1149 10! 11! POISSON.DIST(11,15,VERDADERO)- POISSON.DIST(9,15,VERDADERO) = 0.114898138

Julio Rito Vargas

Pg. 6

1512 e 15 1513 e 15 0.1785 12! 13! POISSON.DIST(13,15,VERDADERO)- POISSON.DIST(11,15,VERDADERO) = 0.178466043 p( x 12,13)

1514 e 15 1515 e 15 0.2049 14! 15! POISSON.DIST(15,15,VERDADERO)- POISSON.DIST(13,15,VERDADERO) = 0.204871733 p( x 14,15)

1516 e 15 1517 e 15 0.1808 16! 17! POISSON.DIST(17,15,VERDADERO)- POISSON.DIST(15,15,VERDADERO) = 0.180769176 p( x 16,17)

1518 e 15 1519 e 15 0.1264 18! 19! POISSON.DIST(19,15,VERDADERO)- POISSON.DIST(17,15,VERDADERO) = 0.126360033 p( x 18,19)

1520 e 15 1521e 15 0.0717 20! 21! POISSON.DIST(21,15,VERDADERO)- POISSON.DIST(19,15,VERDADERO) = 0.071674809 p( x 20,21)

1522 e 15 1523 e 15 p( x 22,23) 0.0336 22! 23! POISSON.DIST(23,15,VERDADERO)- POISSON.DIST(21,15,VERDADERO) = 0.033641832

1524 e 15 1525 e 15 0.0133 24! 25! POISSON.DIST(25,15,VERDADERO)- POISSON.DIST(23,15,VERDADERO) = 0.013279671 p( x 24,25)

1526 e 15 1527 e 15 0.0062 26! 27! POISSON.DIST(26 o ms,15,VERDADERO)-POISSON.DIST(25,15,VERDADERO) = 0.00618488 p( x 26,...)

Julio Rito Vargas

Pg. 7

Determinar la distribucin de probabilidad con un nivel del 95%, haciendo el contraste de hiptesis siguiente: : ( = 15.1) { 0 1 :

Intervalo
0-7 8-9 10-11 12-13 14-15 16-17 18-19 20-21 22-23 24-25 26--

Oi
1 2 4 10 11 10 6 4 1 1 0

P(x)
0.0180 0.0519 0.1149 0.1785 0.2049 0.1808 0.1264 0.0717 0.0336 0.0133 0.0062

Ei=50*p(x)
0.9001 2.5926 5.7449 8.9233 10.2436 9.0385 6.3180 3.5837 1.6821 0.6640 0.3092

C
0.0111 0.1354 0.5300 0.1299 0.0559 0.1023 0.0160 0.0483 0.2766 0.1700 0.3092

( Ei Oi ) 2 (0.9001 - 1) 2 (0.3092 - 0) 2 ... E 0.9001 2 0.3092 i 1 1. i c 78481


11

0.05,111

18.307

Los resultados nos Indican que no podemos rechazar la hiptesis de que la variable aleatoria se comporta de acuerdo con una distribucin de Poisson, con una media de 15 automviles por hora.

Julio Rito Vargas

Pg. 8

Usando el men de Ajuste del Stat::Fit; hacemos clic en el men Fit y luego en la opcin Goodness of Fit (Ajuste). Para realizar las pruebas Chi-cuadrada.

La prueba Chi-cuadrada para un nivel 95%, 6 grados de libertad versus la chi-cuadrada de los 7 intervalos en que dividi los datos. 12.6 >2.16 con una p-valor 0.905. Concluyendo que No hay evidencia para rechazar la hiptesis Ho. Es decir la distribucin se comporta como una Distribucin Poisson. La prueba Kolmogorov-Smirnov obtuvo 0.0448 < ks-stat(50,0.05)=0.188, para p-valor=1 Concluyendo que No hay evidencia para rechazar la hiptesis Ho. Es decir la distribucin se comporta como una Distribucin Poisson.

Julio Rito Vargas

Pg. 9

Determinar con un nivel de confianza de 95%, que tipo de distribucin siguen los datos, usar los estadsticos Chi-cuadrada. Use Stat::Fit. 0.488 0.995 0.088 0.149 0.731 0.591 0.745 0.307 0.084 0.967 0.116 0.908 0.382 0.427 0.313 0.781 0.005 0.692 0.080 0.280 0.731 0.183 0.707 0.743 0.908 0.850 0.256 0.905 0.160 0.333 0.094 0.146 0.413 0.434 0.845 0.048 0.845 0.046 0.028 0.531 0.684 0.633 0.581 0.260 0.937 0.580 0.445 0.128 0.714 0.285 0.093 0.567 0.254 0.738 0.607 0.346 0.777 0.766 0.454 0.504 0.368 0.058 0.440 0.300 0.025 0.723 0.896 0.366 0.913 0.837 0.090 0.507 0.447 0.302 0.787 0.245 0.513 0.302 0.666 0.681 0.761 0.780 0.251 0.314 0.608 0.535 0.335 0.302 0.213 0.209 0.420 0.139 0.870 0.423 0.078 0.610 0.194 0.833 0.373 0.626

Julio Rito Vargas

Pg. 10

S-ar putea să vă placă și