Taller 3

MODELOS DE DISTRIBUCIN CONTINUOS

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