Documente Academic
Documente Profesional
Documente Cultură
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.
Enero 2013
Objetivos:
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
16
16
13
14
17
15
16
13
15
10
15
16
14
12
17
14
12
13
20
17
19
11
12
17
18
20
10
18
15
13
16
24
18
16
18
12
14
20
15
10
13
21
23
15
18
Pg. 1
Introduccin
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)
Pg. 2
Estadstica descriptiva:
Nmero de datos (puntos)
50
Valor mnimo
Valor mximo
24
Media
15.04
Mediana
15.
Moda
15
Desviacin estndar
3.62199
Varianza
13.1188
Coeficiente de variacin
24.0504
Asimetra
0.126739
Curtosis
-0.121982
Pg. 3
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
Pg. 5
Prueba Chi-cuadrada:
Prueba de Hiptesis:
Ho: Poission (=15) Automviles/hora
H1: Otra distribucin.
x 14 7 ... 18
X
15.04
n
50
S2
(x x)
n 1
La Distribucin Poisson:
p ( x)
x e
x!
x 0,1,2,...
0!
1!
2!
3!
156 e 15 157 e 15
0.0180
6!
7!
p ( x 0,12,3,4,5,6,7)
154 e 15 155 e 15
4!
5!
POISSON.DIST(7,15,VERDADERO) = 0.018002193
(usando Excel)
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
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,...)
Pg. 7
Intervalo
Oi
P(x)
Ei=50*p(x)
0-7
0.0180
0.9001
0.0111
8-9
0.0519
2.5926
0.1354
10-11
0.1149
5.7449
0.5300
12-13
10
0.1785
8.9233
0.1299
14-15
11
0.2049
10.2436
0.0559
16-17
10
0.1808
9.0385
0.1023
18-19
0.1264
6.3180
0.0160
20-21
0.0717
3.5837
0.0483
22-23
0.0336
1.6821
0.2766
24-25
0.0133
0.6640
0.1700
26--
0.0062
0.3092
0.3092
11
c
i 1
( Ei Oi ) 2 (0.9001 - 1) 2
(0.3092 - 0) 2
...
Ei
0.9001
0.3092
c 1.78481
X 20.05,111 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.
Pg. 8
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
Pg. 9