IDENTIFICACIN DE LA DISTRIBUCIN DE PROBABILIDAD i

Una vez que hemos organizado nuestros datos surge la pregunta de si los datos de la muestra pudieran haberse originado de cierta distribucin terica conocida? Responder a esta pregunta es importante porque si la frecuencia de los datos se asemeja de manera conveniente con alguna distribucin de probabilidad terica conocida, entonces podemos usar la distribucin terica para generar los valores de nuestra simulacin. Como mencionamos en clases anteriores, para formular una hiptesis razonable es necesario organizar los datos. Aqu presentaremos un ejemplo mediante el cual iremos describiendo cada etapa a realizar para responder a nuestra pregunta planteada. Suponga que estamos interesados en estudiar el fenmeno del nmero de llamadas telefnicas que reciba la secretara de la Facultad. Durante nuestro perodo de observacin registraramos la cantidad de llamadas que recibe la oficina. Luego organizaramos los datos de acuerdo a la tabla que mostramos a continuacin: Nmero de Consultas Nmero de Nmero de Intervalos Frecuencia Relativa Consultas De una hora con N consultas 0 315 0.619 1 142 0.279 2 40 0.78 3 9 0.018 4 2 0.004 5 1 0.002 Total Nmero de intervalos Observe que se ha incluido la frecuencia relativa para cada clase (evento) identificado. Esta frecuencia relativa no es ms que la proporcin de aciertos de esa. Esta frecuencia relativa no es ms que la proporcin de aciertos de esa clase con relacin al total de observaciones (espacio muestral), es decir, se trata de la

probabilidad de la clase. A esta probabilidad que obtenemos de los datos recogidos la denominamos probabilidad observada. Si graficamos la probabilidad que hemos encontrado nos dara como resultado lo siguiente:

Este histograma lo comparamos con los perfiles de las distribuciones de probabilidad que consideramos podran corresponder a la distribucin de probabilidad terica esperada. Mostramos a continuacin algunas de estas distribuciones.

Despus de verificar la posible distribucin a la que se asemejan los datos debemos determinar los parmetros de la distribucin. Nos referimos a calcular la media y la varianza de la muestra en funcin de las siguientes expresiones:

Luego de realizar nuestra comparacin podemos plantear la siguiente hiptesis: Los datos de la tabla de valores observados podran haberse originado de una distribucin de Poisson. De acuerdo a la estadstica, una distribucin de Poisson posee media = varianza = ; en otras palabras, la media y la varianza deben ser iguales. As que realizamos nuestros clculos para confirmar lo antes mencionado. Nmero de Consultas

y la

Mi F i M2

= (0.5147 + 0.6007) / 2 = 0.5577

Al calcular la media y la varianza descubrimos que los valores no son iguales, pero como tenemos fuertes sospechas de que se trata de una distribucin de Poisson y la diferencia entre los valores no es muy grande, asumimos que dicha diferencia se debe a razones propias de la aleatoriedad y a la posibilidad de error durante la recoleccin de los datos. Por ese motivo calculamos el valor de el cual usaremos con las pruebas de aleatoriedad de Ji cuadrado y la prueba de KolmogorvSmirnov que veremos en el siguiente tema.

_____________________________________________________________________________

Autor: Robert Shanon Fuente: Simulacin de Sistemas: Diseo, Desarrollo e Implementacin. Diseo: Itzomara A. Pinzn T.
i