MODELOS Y SIMULACIÓN

Guía N° 04: Variables Aleatorias

1. OBJETIVOS
Al finalizar la práctica el estudiante estará en capacidad de:
- Calcular analíticamente y experimentalmente por simulación, estadísticos de las variables aleatorias
discretas: función de probabilidad, función de distribución, media, varianza, desviación estándar.
- Comprobar que la simulación permite obtener valores que se calculan analíticamente.

2. TRABAJO PREPARATORIO
Teoría acerca de variables aleatorias

3. PRACTICA DE LABORATORIO

Sea x la variable aleatoria (v.a.): número de caras que se obtiene al lanzar tres veces una moneda, usando R
determinar analítica y experimentalmente:
a) X: Valores que puede tomar la variable aleatoria discreta.
b) P(x): Probabilidad de la variable aleatoria discreta.
c) F(x): Probabilidad acumulada de la variable aleatoria discreta.
d) µ: Media
e) σ2: Varianza
f) σ: Desviación estándar
g) graficar P(x)
SOLUCIÓN

1. IMPLEMENTACIÓN DE LA SOLUCIÓN ANALITICA DE LA VARIABLE ALETORIA EN R

Analitico <- function(){

# Valores de la V.A. X
X <- c(0, 1, 2, 3)
# Probabilidad de V.A. X
PX <- c(1/8, 3/8, 3/8, 1/8)
# Probabilidad acumulada de la V.A. X
FX <- c(1/8, 4/8, 7/8, 8/8)
# Media de la V.A. X
Media <- median(X)
# Varianza de la V.A. X
Varianza <- var(X)
# Desviación estándar de la V.A. X
DS <- sd(X)
# Creación de la tabla de función de probabilidad y distribución
df <- data.frame(X,PX,FX)
# Gráfico de P(x)
barplot(PX)
# Retorno de resultados
return (list(Tabla_Probabilidad = df, Media = Media, Varianza = Varianza,
DS = DS))
}

Ing. Luis Palma Ttito 1

2. IMPLEMENTACIÓN DE LA SOLUCIÓN POR SIMULACIÓN DE LA VARIABLE ALETORIA EN R

Simulacion <- function(N){

# Simulación de lanzamiento de
L1 <- sample(c(1,0), N, prob =
L2 <- sample(c(1,0), N, prob =
L3 <- sample(c(1,0), N, prob =
# Calculo de cantidad de caras
Muestra <- L1 + L2 + L3
monedas (1: cara, 0: sello)
c(0.5,0.5), replace=TRUE)
c(0.5,0.5), replace=TRUE)
c(0.5,0.5), replace=TRUE)
obtenidas en la simulación

# CREACIÓN DE LA TABLA DE SIMULACIÓN

# Valores de la V. A. X
X <- c(0, 1, 2, 3)
# Frecuencia observada de la V.A. X en la simulación
FO <- table(Muestra)
# Probabilidad de la muestra de simulación
PX <- FO/N
# Cálculo de la función de distribución
FX <- c(1:4)
s <- 0
for(k in 1:4){
s <- s + PX[k]
FX[k] <- s
}
# Media de la Muestra
Media <- sum(Muestra)/N
# Varianza de la muestra
Varianza <- sum((X-Media)^2)/(4-1)
# Desviación estándar de la muestra
DS = sqrt(Varianza)
# Grafico de P(x)
barplot(PX)
# Creación de la tabla de probabilidad
df <- data.frame(X,FO,PX,FX)
# Retorno de resultados
return (list(Muestra = Muestra, Tabla_Probabilidad=df, Media=Media,
Varianza=Varianza, DS=DS))
}

Ejecución de la simulación:

Analitico()

Simulacion(100)

Donde 100 es la cantidad de muestras a generar para la simulación, experimente con diferentes valores

Ing. Luis Palma Ttito 2

 MODELOS Y SIMULACIÓN
Guía N° 04: Variables Aleatorias
Nombre: ______________________________________________ NOTA
Código: ________________ Fecha: ________________

4. CALIFICACIÓN DE LA PRÁCTICA

Utilizando R evaluar las siguientes variables aleatorias:

1. Variable aleatoria x = Cantidad de caras que se obtiene al lanzar 7 veces una moneda
2. Variable aleatoria x = Valor obtenido al lanzar 3 veces un dado de 5 caras enumerados del 1 al 5
3. Variable aleatoria x = valor obtenido en 21lanzamientos de un dado de 4 caras más 2 lanzamientos de un
dado de 5 caras, enumerados del 1 al 4 y del 1 al 5 respectivamente.
4. Un jugador lanza un dado no imantado de 17 caras (enumerados del 1 al 17). Si sale número PRIMO pierde
tantos soles como marca el dado, si sale número NO PRIMO, gana tantos soles como marca el dado. Sea la
variable aleatoria x: monto ganado o perdido en dos juegos consecutivos (cada jugada se evalúa de forma
independiente, expresar el monto perdido como negativo)

Obtenga ANALITICAMENTE y por SIMULACIÓN para cada uno de los parámetros siguientes:
X : Valores que puede tomar la variable aleatoria
P(X) : Función de probabilidad
F(X) : Función de distribución
µ : Media aritmética
2
σ : Varianza
σ : Desviación estándar
GRAFICAR P(x)

Cada ejercicio vale 5 puntos.

Ing. Luis Palma Ttito 3