1. INTRODUCCIN El objetivo de este taller es familiarizar al alumno con los modelos de distribucin continuos. Identificar los distintos modelos y reconocer cmo varan al variar sus parmetros. Se presenta en primer lugar una descripcin de las opciones para clculo con Statgraphics, junto con algunos ejemplos. continuacin se propone una serie de ejercicios para ser resueltos por los alumnos. Se utilizarn los archivos modelos2.sf3 y muestras.sf3 2. DESARROLLO 2.1 O!"o#es de Stat$ra%"!s
!. Se escoge la opcin Graficar de la barra de men". #. $entro de Graficar, se escoge Distribuciones de Probabilidad, luego,se escoge la distribucin deseada. %os valores de los parmetros &ue definen la distribucin estn fijados por defecto por el programa, se pueden modificar pulsando el botn derecho del mouse y escogiendo la opcin Opciones de Anlisis. O!"o#es #um&r"!as 'tilice en el icono de Tablas y Grficos y pulse el botn iz&uierdo del mouse para obtener las opciones del programa. a( Resumen del Anlisis) el programa presenta un recordatorio de la distribucin escogida y los valores de los parmetros. b( Distribuciones Acumuladas FDA *funcin de distribucin acumulada (. . c( Distribuciones Acumuladas Inversas) $ado un valor de probabilidad p!, el programa calcula el valor +! de la variable aleatoria, tal &ue ,*+!(-p!. El valor de p! se introduce pulsando el botn derecho del mouse, escogiendo Opciones de Ventana y modificando desde el teclado uno . o varios . de los recuadros blancos. d( Nmeros Aleatorios: *generacin de n"meros aleatorios() el programa genera # valores aleatorios de una distribucin elegida. El valor de # *Tamao( se fija pulsando el botn derecho del mouse y escogiendo Opciones de Ventana. Mtodos Cuantitativos 2014 12 O!"o#es $r'f"!as %as opciones grficas se seleccionan pulsando el icono de Tablas y Grficos. El programa ofrece cinco posibilidades de las cuales en este curso se utilizan slo las dos primeras ) a! Funci"n de #asa$Densidad ) funcin de densidad de masa. b! FDA ) funcin de distribucin acumulada. 2.2 E(emlos) *r'f"!os de la fu#!"+# de de#s"dad l concluir esta prctica deber entregar los resultados. #.#.! /odelo 0ormal) 0*,( Se eligen las opciones Graficar, a continuacin Distribuciones de Probabilidad y seguidamente se escoge la distribucin 0ormal. El grfico resultante representa la funcin de densidad de la distribucin y sus parmetros son /edia -1 * .( y la desviacin estndar $esv. Est. - ! * (. 2ara cambiar estos valores pulse el botn derecho del mouse y elija Opciones de Anlisis. Mtodos Cuantitativos 2014 13 . a( $ibuje los grficos resultantes para las siguientes variables -! y variar . en - 3 .1 3 1. Mtodos Cuantitativos 2014 14 a.!(45mo afecta a la densidad la variacin de la media .6. a.#(45mo afecta a su posicin respecto a los ejes6 La de#s"dad #o se /e afe!tada !o# la /ar"a!"+# de la med"a, 0a 1ue solo esta afe!ta al os"!"o#am"e#to 1ue la !ama#a te#dr' !o# rese!to al e(e de la a2s!"sa, es de!"r, se /a desla3a#do se$4# el /alor 1ue toma la med"a. Otra forma es b( $ibuje los grficos resultantes para las siguientes variables -1 y - ! 3 # 3 7 3 1,7 3 1,8 b.!( 49u: observa en la densidad cuando vara la desviacin estndar6. Mtodos Cuantitativos 2014 15 Cua#to me#or sea la des/"a!"+# est'#dar, ma0or !a#t"dad de masa de ro2a2"l"dad %a2r' !o#!e#trada alrededor de la med"a 5au#tado !er!a de 67 0 !ua#to ma0or sea 8m's alastado9 ser'. b.#(4 5mo afecta a su posicin respecto a los ejes6 5on respecto al eje +, esta mantiene su posicin. En cambio en el eje y, la campana se va estirando o achicando dependiendo de la desviacin estandar b.7( 4 9u: diferencias se observan cuando ; ! y < !. =ome como referencia -! 5uando ; ! la campana se va aplastando y cuando < ! la campana se va estirando. #.#.# /odelo 'niforme) '*a,b(, partir de lo anterior, elija Dilogo de Entrada y seleccione Uniforme con los parmetros a % & ' ()mite In*erior! y b) %+. *()mite ,uperior!. Mtodos Cuantitativos 2014 16 %as caractersticas sobresalientes son) .=oma valores entre) 1 y ! .Su forma es) constante 5ambie los valores de los parmetros para obtener la funcin de densidad de una '*!.8,7 (, ahora la funcin) .=oma valores entre) Mtodos Cuantitativos 2014 17 .Su forma es) $ibuje las dos grficas obtenidas. Se puede asegurar &ue toda distribucin uniforme de parmetros a y b toma valores entre >dicho intervalo? y su forma es) #.#.7 /odelo @amma @*, ( En la opcin Dilogo de Entrada elija *amma.%os parmetros son Forma * ( y -scala *(. ,ije Forma -! y vare -scala - 1.7 3 ! 3 7. Abserve semejanzas y diferencias a(Besponda) 5uando C crece, la interseccin con el eje ADE.. DDDDDDDDDDDD Abservar las tres grficas obtenidas. b( ,ijar F - ! y tomar C - ! 3 7 y 8. Abservar semejanzas y diferencias. 5uando C crece, 4$e &u: manera se ven modificadas las siguientes caractersticas6 Simetra) $ispersin) c( ,ijar C - # y tomar F - ! 3 7 y 8. Abservar las grficas. 5uando F crece, 4cmo se modifican6 Simetra) $ispersin d( Se dibujan ahora las grficas si C - # y varia F - G 3 !1 y !8 . 4 &u: distribucin de las estudiadas se apro+ima la distribucin gamma cuando alfa crece6 #.7. $istincin entre aspectos tericos y muestrales de un modelo. En este punto se trata de aprender a diferenciar entre aspectos tericos de un modelo y aspectos muestrales asociados a dicho modelo. 2ara ello se utilizar el siguiente ejemplo. Se supone &ue se est estudiando la caracterstica H, &ue representa la altura de los alumnos de cierto centro de enseIanza superior. %a variable aleatoria * v.a( est medida en cm. y se supone como modelo terico para H, 0*!G8,8(. Mtodos Cuantitativos 2014 18 Se observan !1 grupos de !11 alumnos cada uno y se guardan esos datos en el archivo muestras.sf3 en las variables H ! , H #, H 7, ...., H !1 . 2ara cada variable se calculan la media y la desviacin tpica de la muestra. %os resultados son) H ! . X - S - H # . X - S- H 7 . X - S- H J . X - S- H 8 . X - S- H K . X - S- H G . X - S- H L . X - S- H M . X - S- H !1 . X - S- a( 45ul es la altura media terica para los alumnos del centro de estudio6 4E la desviacin tpica6 b( 5omparar los valores medios obtenidos para cada muestra con la media terica. 4Se parecen6 c( 5omparar las desviaciones tpicas obtenidas para cada muestra *S( con la desviacin tpica terica6 #.J. juste de distribuciones a partir de sus histogramas. En el archivo modelos2.sf3, se encuentran muestras o valores de cuatro variables aleatorias diferentes &ue estn cargados en las variables '0A, $AS, =BES y 5'=BA. Se trata de, observando los histogramas y recordando lo &ue se ha visto en el punto !, decidir &u: modelo de probabilidad continuo se ajusta mejor al conjunto de datos. Se deben dar tambi:n los valores de los parmetros ms adecuados para esas distribuciones. 2ara ello es preciso recordar algunas cuestiones tericas sobre los modelos estudiados *media y varianza(. Se utilizar Describir, Datos Numricos, Anlisis de una ariable, especificar la variable.*'0A, $AS A =BES(. En Tablas y Grficos y elija !istograma. Abserve en el grfico los valores m+imo y mnimo de la variable en estudio. 4%os datos son continuos o discretos6 4Son todos positivos6 2ara representar todos los histogramas, pulse el botn derecho del mouse sobre la ventana del grfico y modifi&ue los lmites utilizando como lmite inferior el Mtodos Cuantitativos 2014 19 entero ms pr+imo y menor &ue mnimo, como lmite superior el ms pr+imo, &ue incluya al m+imo y fije #8 clases. a( la vista del histograma, observar para cada variable) B0@A de valores de la variable. /edia apro+imada /ediana apro+imada Signo del coeficiente de asimetra Bellenar para cada variable el cuadro adjunto, con las observaciones del grfico, slo la opcin grfico. Abservar tambi:n la forma del histograma y tratar de recordar si se parece a alguno de los modelos de probabilidad &ue se han estudiado en el captulo anterior. B0@A /E$I /E$I0 SI@0A SI/E=BN '0A *grfico( '0A $AS*grfico( $AS =BES*grfico( =BES 5'=BA*grfico( 5'=BA b( 'tilizando Tablas y Grficos y "esumen Estad#stico obtener los valores de las medidas anteriores y completar el cuadro. 4Oan sido correcta las estimaciones realizadas grficamente6 5omentar la respuesta. c( partir de la informacin obtenida 49u: modelo terico podra ajustarse a cada conjunto de datos6.49u: parmetros tendra6. $educirlos a partir de consideraciones tericas de los modelos estudiados. Pariables /odelo 2armetros Qustificacin $e 2armetros '0A $AS =BES 5'=BA E+iste una t:cnica estadstica llamada contraste de .ip"tesis &ue permite comprobar hasta &u: punto es razonable la hiptesis hecha. 2ara ello se debe observar el nivel de significancia p.valor) Mtodos Cuantitativos 2014 20 2ara obtener este valor utilice Describir, A$uste de Distributiones, A$uste de Datos No %ensurados, luego en Opciones A$uste de Distribuciones elija la distribucin Normal y en el men" de Tablas y Grficos elija Pruebas de &ondad' de'A$uste, y observe el nivel de significancia en alor'p . 4Se puede considerar razonable el modelo propuesto6. En caso de no ser as, repetir el punto #.J desde el principio y elaborar una nueva propuesta 2BR/E=BAS 5A0 S==@ 0IPE% $E SI@0I,I505I 4ES BSA0T%E6 '0A $AS =BES 5'=BA Mtodos Cuantitativos 2014 21