Roberto Jess Ortiz Martnez A00511724

Blanca Ruiz
Probabilidad y Estadstica
Grupo:13
Fecha: 3/mayo/2014
La media de las medias
En el siglo XVlll, Leonhard Euler descubre una funcin muy peculiar, a la cual
despus de un tiempo se le llam Gamma. Esta funcin dio lugar a la distribucin
de probabilidad que lleva su mismo nombre, la cual sirve como modelo para
numerosos experimentos en los que interviene el tiempo y las ocurrencias de un
evento.
En este proyecto, se demuestra que la distribucin antes mencionada est muy
relacionada con otra, la cual es la distribucin Normal. Al sacar diferentes
muestras y sus respectivas medias y desviaciones estandares, se consiguieron
resultados que llevaron a conclusiones que, en lugar de dar diferencias entre las
dos distribuciones, dan muchas semejanzas. A continuacin se explicar el proceso
que se sigui para hacer las simulaciones probabilsticas y lo que se puede inferir
de sus resultados.
Lo primero que se hizo en esta actividad fue caracterizar a la variable aleatoria
Gamma. Para esto, se consider como dominio de X de 0 a 2000, en intervalos de 5
en cinco para facilitar el manejo de los datos. Luego, usando una funcin de
distribucin gamma de Excel para sacar probabilidades exactas y acumulativas, se
sacaron las f(x) y F(x), que sirvieron para graficar a las funciones de densidad y
distribucin acumulada de X.




Como se puede observar, la distribucin de la muestra usada es asimtrica, ya que
las variables presentan una mayor densidad de sucesos a la izquierda que a la
derecha de la grfica.

Despus de caracterizar a la variable, se hizo una muestra de tamao 35 utilizando
la inversa de la distribucin gamma y la opcin de aleatoriezar valores en Excel. Al
0
0.0005
0.001
0.0015
0.002
0.0025
0.003
0.0035
0.004
0 500 1000 1500 2000 2500
Funcin de densidad de X
sacar diferentes medidas como las de centralizacin,y frecuencia absoluta y
relative, se consigui esta grfica, que como se puede notar, tiene un gran parecido
a la anterior, manifestando as que la distribucin de la muestra es
aproximadamente el reflejo de la distribucin de la poblacin de la que proviene la
muestra. Adems la media y la desviacin estndar de esta muestra y la anterior
son muy semejantes.

Luego de la realizacin de esta muestra, se hicieron 300 de la misma manera, para
despus calcular la media y desviacin estndar de cada muestra. Tambin se
calcul el rango percentil de cada dato y su respectiva z. Lo que se obtuvo al
analizar estas dos medidas y dems fue favorecedor para la hiptesis planteada
antes; la distribucin gamma y la normal estn relacionadas entre s. Tanto en las
medias de las medias y en las desviaciones estandares de las medias, se oberv un
comportamiento de distribucin Normal, como se puede mostrar en las siguientes
grficas.
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
1
2
.
5

8
7
.
5

1
6
2
.

2
3
7
.

3
1
2
.

3
8
7
.

5
3
7
.

6
1
2
.

6
8
7
.

7
6
2
.

8
3
7
.

9
1
2
.

9
8
7
.

1
0
6
2

1
1
3
7

1
2
1
2

1
2
8
7

1
3
6
2

1
4
3
7

1
5
1
2

1
5
8
7

1
6
6
2

1
7
3
7

1
8
1
2

1
8
8
7

1
9
6
2

Cabe destacar que, para corroborar que realmente haba semejanza en lo antes
mencionado, se hizo algo parecido a la prueba de Ryan-Joiner a travs del mtodo
de linealidad. Tambin se calcul el coeficiente de correlacin entre los percentiles
y zs calculadas, los cuales dieron como resultado 0.98 en los dos casos. Esto
demuestra la asombrosa relacin entre las medias de medias y desviaciones
estandares de las medias, y la distribucin normal, a pesar de que la muestra
proviene de una poblacin que se distribuye como una Gamma.

El hecho de que al tener diferentes muestras de medias y desviaciones estandares
de una poblacin que se comporta como una gamma, y que stas se comporten
como una normal, cumple con el Teorema del Lmite Central, el cual dicta que
mientras ms grande sea el tamao de la muestra de medias y desviaciones
estandar, ms se aproximarn estas variables a una distribucin Normal.

A lo largo de este proyecto, se pudo notar casi desde un principio un vnculo entre
la distribucin gamma y normal, y, en efecto, s lo haba. Por eso pienso que no
hubo mucha dificultad para hacer esta actividad, y por esta misma razn me gust
0.0000000
0.0200000
0.0400000
0.0600000
0.0800000
0.1000000
0.1200000
0.1400000
0.1600000
0.1800000
0.2000000
146 158 170 182 194 206 218 230 242 254 266
A
x
i
s

T
i
t
l
e

Axis Title
Medias
0.0000000
0.0500000
0.1000000
0.1500000
0.2000000
0.2500000
74 86 98 110 122 134 146 158 170 182 194 206 218 230
A
x
i
s

T
i
t
l
e

Axis Title
Desviacin estndar
realizar el trabajo, ya que tena una extraa sed para comprobar la conexin entre
las dos distribuciones, y espero que esa misma sed me permita encontrar la verdad
de otras conjeturas que tengo en mente.

Modelo PER
Propsito:
El propsito de esta actividad que realic fue mostrar que una muestra de medias y
desviaciones estndares de una poblacin que se distribuye como una Gamma,
mientras ms grande sea, se distribuir como una Normal. Adems, otro objetivo
fue aprender un mejor manejo de Excel para hacer simulaciones.
Estrategia:
El plan que segu para lograr el propsito de aprendizaje fue repasar lo visto en
clase sobre la distribucin gamma y la normal, para luego poder hacer las
comparaciones teniendo un buen entendimiento del tema de esta actividad.
Fue muy claro lo que tena que hacer, ya que las instrucciones fueron muy
comprensibles. Esto permiti reconocer el objetivo de aprendizaje al terminar de
comparar los resultados que se tuvieron en Excel.
Resultado:
Pienso que s logr el propsito de aprendizaje antes mencionado, ya que
comprend la relacin que tienen la distribucin normal y gamma entre s, lo cual
era lo ms importante que se aprendi de esta actividad. Adems, aprend nuevas
funciones probabilsticas en Excel, y el libro y la maestra me ensearon para qu
sirve la distribucin normal y gamma, lo cual pienso que es de suma importancia
para mi carrera.