Está en la página 1de 32

Taller de Simulacin - USS

31/03/2015

TALLER DE SIMULACION

Mg. Jos Rodrguez L.


Docente

Unidad III
Ajustes a una distribucin de
probabilidad

Mg. Jos Rodrguez l.


Docente

Mg. Jos Rodrguez L.

Taller de Simulacin - USS

31/03/2015

Objetivos Unidad II

Identificar y seleccionar la
familia de distribuciones de
probabilidad adecuada a la
situacin en estudio.

Seleccionar
por
medio
de
software especfico los test de
bondad de ajuste.

Cmo
enfrentar
situaciones
reales en ausencia de datos.

Mg. Jose Rodrguez L.

GRAFICO DE CORRELACION
1. Si las observaciones 1 , 2 , . . . , , (listados en orden de
tiempo) son independientes.
2. En un grfico de correlacin, es el estimador de la
muestra para = 1,2, . . . ( ).
3. =
4. =

2
()

=1

5. 2 =

() [ + ()]

2
=1 [ ()]

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

Taller de Simulacin - USS

31/03/2015

GRAFICO DE CORRELACION
1. La correlacin de la muestra , es un estimador de la
correlacin verdadera ( 1 1), entre
dos observaciones que son separadas en el tiempo.
2. Si las observaciones 1 , 2 , . . . , son independientes,
entonces = 0 , para = 1,2, 1.
3. Sin embargo, los no son exactamente 0 incluso
cuando los son independientes, esto se debe a que
es una observacin de una variable aleatoria cuya
media no es igual a cero.

Mg. Jose Rodrguez L.

GRAFICO DE CORRELACION

1. Si lo son diferentes de 0 por una cantidad


significativa, entonces esta es una evidencia poderosa de
que los no son independientes.

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

Taller de Simulacin - USS

31/03/2015

GRAFICO DE DISPERSIN

Mg. Jose Rodrguez L.

GRAFICO DE DISPERSIN

1. Grficos dispersin (Scatter diagram), de las


observaciones 1 , 2 , . . . , , es un grafico de pares
ordenados ( , +1 ) para = 1,2, 1.
2. Por simplicidad suponga que los son no negativos. Si
los son independientes, se esperara que los pares
ordenados ( , +1 ) estn dispersos aleatoriamente a
lo largo del primer cuadrante de los plano.
3. La naturaleza de la dispersin depende de la distribucin
subyacentes de .
Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

Taller de Simulacin - USS

31/03/2015

GRAFICO DE DISPERSIN
1. Si los tienen correlacin positiva, entonces, los puntos
tendrn una tendencia a agruparse en el primer
cuadrante, sobre una lnea con pendiente positiva.
2. Si los tienen correlacin negativa, entonces los
puntos tendrn una tendencia a agruparse en el primer
cuadrante, sobre una lnea con pendiente negativa.

Mg. Jose Rodrguez L.

GRAFICO DE DISPERSIN

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

10

Taller de Simulacin - USS

31/03/2015

Box Plot
http://www.slideshare.net/ddalgleish/how-tocreate-a-box-plot-box-whisker-chart-in-excel

Mg. Jose Rodrguez L.

11

Ejemplo Quantil y Box Plot

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

12

Taller de Simulacin - USS

31/03/2015

FAMILIA DE DISTRIBUCIONES
HIPTESIS
1. Parece razonable pensar que el primer paso debe ser
seleccionar una distribucin de probabilidades en base a
su forma aparente, sin preocuparse an de los
parmetros relevantes.
2. Otro aspecto que facilita una identificacin de la
distribucin de probabilidad es el tipo de sistema que se
trate y la experiencia que se tenga para analizarlos.
3. A continuacin se sugieren mtodos ms formales para
lograr un anlisis acabado de cada situacin en estudio.

Mg. Jose Rodrguez L.

13

RESUMEN ESTADISTICA

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

14

Taller de Simulacin - USS

31/03/2015

FAMILIA DE DISTRIBUCIONES
HIPTESIS
1. Estadstica descriptiva., Algunas distribuciones son
caracterizadas parcialmente por funciones de sus
verdaderos parmetros, como son;
a. Mximo,
b. Mnimo,
c. Media,
d. Mediana,
e. Varianza,
f. Coeficiente de variacin ( =
g. Razn Lexis ( =
h. Oblicuidad =

),

),

[ 3 ]
3

( 2 ) 2

Mg. Jose Rodrguez L.

15

FAMILIA DE DISTRIBUCIONES
HIPTESIS
1. Estas funciones pueden ser usadas en algunos casos para
sugerir una apropiada familia de distribuciones. Para una
distribucin continua simtrica (Ej., Normal), la media y
la mediana son iguales. (Para una distribucin discreta
simtrica, la media de la poblacin y la mediana pueden
slo ser aproximadamente iguales. De esta manera si el
estimador
y 0.5 son casi iguales hay un
indicio que la distribucin subyacente puede ser
simtrica.
Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

16

Taller de Simulacin - USS

31/03/2015

FAMILIA DE DISTRIBUCIONES
HIPTESIS
1. Hay que tener presente que y 0.5 son
observaciones de variables aleatorias sus relaciones no
necesariamente proveen informacin definitiva acerca
de la verdadera relacin entre y 0.5
2. Coeficiente de variacin. (cv), algunas veces puede
proveer informacin til acerca de la forma de la
distribucin continua. En particular, para la distribucin
exponencial, = 1, ahora, sin tener en cuenta el
parmetro de escala , () es prxima al valor 1
sugiriendo esto que la distribucin subyacente es
exponencial.
Mg. Jose Rodrguez L.

17

FAMILIA DE DISTRIBUCIONES
HIPTESIS
1. Para las distribuciones, Gamma y Weibull los valores de
pueden ser mayores, iguales o menores que 1,
cuando el parmetro de forma es mayor, igual o menor
que 1, estas distribuciones tendrn una forma similar a
las distribuciones de densidad.
2. Por otra parte, la distribucin Lognormal tiene una
forma caracterstica pero su puede ser cualquier
nmero real positivo. As, si la distribucin subyacente
(observada en el histograma) tiene esta forma y
> 1 la Lognormal puede ser un mejor modelo que
la distribucin Gamma o Weibull.
Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

18

Taller de Simulacin - USS

31/03/2015

FAMILIA DE DISTRIBUCIONES
HIPTESIS
1. Para el resto de
particularmente til.

distribuciones

el

no

2. Para una distribucin discreta, el Lexis ratio, ( =

es
2

),

juega el mismo rol que el para distribuciones


continuas, esta relacin es til para discriminar entre
distribucin de Poisson, Binomial,y Binomial negativa,
pues, = 0, < 1, y > 1, respectivamente. ( la
distribucin Geomtrica es un caso especial de la
Binomial negativa).
Mg. Jose Rodrguez L.

19

FAMILIA DE DISTRIBUCIONES
HIPTESIS
1. La Oblicuidad es una medida de simetra de una
distribucin. Para distribuciones simetricas como la
Normal, = 0, si > 0 (Ej., = 2 para la distribucin
exponencial). La distribucin es oblicua a la derecha
si < 0, la distribucin es oblicua a la izquierda si el
estimador puede ser usado para comprobar la
forma de la distribucin subyacente.
2. La experiencia indica que muchas de las distribuciones
encontradas en la prctica son oblicuas a la derecha y,
adems, para muchos ejemplos, es algo menor
que .
Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

20

10

Taller de Simulacin - USS

31/03/2015

FAMILIA DE DISTRIBUCIONES
HIPTESIS

1. La Kurtosis es una medida de que tan punteaguda es la


distribucin de probabilidad.
2. No se ha encontrado que la kurtosis sea muy usada para
discriminar entre distribuciones de probabilidad (Law &
Kelton).

Mg. Jose Rodrguez L.

21

FAMILIA DE DISTRIBUCIONES
HIPTESIS

1. Histograma. Para un conjunto de datos continuos el


histograma es esencialmente una estimacin grafica de
los puntos de la funcin correspondiente a la
distribucin de nuestros datos 1 , 2 , . . . , .
2. La funcin densidad, en muchos casos, tiende a dar una
pista de la forma de la distribucin subyacente.

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

22

11

Taller de Simulacin - USS

31/03/2015

IDENTIFICACIN DISTRIBUCIN DE PROBABILIDAD


Cuando los datos ya estn disponibles, el primer paso en su
procesamiento es la construccin de un histograma para cada
variable X. Para ello, se deben
determinar:
El tamao de la muestra .
Valor mnimo .
Valor mximo .
El rango =
La cantidad de intervalos o clases : la cantidad aconsejable es
, una cantidad menor o mayor puede distorsionar la forma
del histograma, se recomienda 8 12 .
El ancho ( Amplitud) de los intervalos : es igual a /.
La frecuencia absoluta de los datos en cada intervalo : se
obtiene contando cuntos datos estn dentro del intervalo
considerado.
Determinados estos parmetros, el histograma surge de
graficar columnas con alturas y ancho para cada intervalo.

Mg. Jose Rodrguez L.

23

FAMILIA DE DISTRIBUCIONES
El siguiente paso es determinar la familia de distribuciones que
se probar para representar el conjunto de datos en estudio.
Para ello se cuenta con la forma del histograma y tambin se
cuenta con la naturaleza del proceso. En efecto, se han
desarrollado numerosas distribuciones tericas para procesos
determinados, por ejemplo:
Despus de haber seleccionado una familia de distribuciones,
el prximo paso es la estimacin de los parmetros
correspondientes.

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

24

12

Taller de Simulacin - USS

31/03/2015

ESTIMACION DE LA
DISTRIBUCIONES DE PROBABILIDAD

Veamos un ejemplo: la tabla siguiente muestra los


tiempos entre llegada.

Mg. Jose Rodrguez L.

25

ESTIMACION DE LA
DISTRIBUCIONES DE PROBABILIDAD
0,01
0,01
0,01
0,01
0,01
0,01
0,01
0,01
0,02
0,02
0,03
0,03
0,03
0,04
0,04
0,04
0,04

0,04
0,04
0,05
0,05
0,05
0,05
0,05
0,05
0,05
0,05
0,05
0,05
0,06
0,06
0,06
0,06
0,07

0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,08
0,08
0,08
0,08
0,09
0,09
0,1
0,1

0,1
0,1
0,1
0,1
0,1
0,1
0,1
0,11
0,11
0,11
0,11
0,11
0,12
0,12
0,12
0,12
0,13

0,14
0,14
0,14
0,14
0,15
0,15
0,15
0,15
0,15
0,15
0,17
0,18
0,19
0,19
0,19
0,2
0,21

0,21
0,21
0,21
0,21
0,22
0,22
0,22
0,23
0,23
0,23
0,23
0,23
0,24
0,25
0,25
0,25
0,25

0,25
0,26
0,26
0,26
0,26
0,26
0,27
0,28
0,28
0,29
0,29
0,3
0,31
0,31
0,32
0,35
0,35

0,35
0,36
0,36
0,36
0,37
0,37
0,38
0,38
0,38
0,38
0,38
0,39
0,4
0,4
0,41
0,41
0,43

0,43
0,43
0,44
0,45
0,46
0,47
0,47
0,47
0,48
0,49
0,49
0,49
0,49
0,5
0,5
0,5
0,51

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

0,51
0,51
0,52
0,52
0,53
0,53
0,53
0,54
0,54
0,55
0,55
0,56
0,57
0,57
0,6
0,61
0,61

0,63
0,63
0,64
0,65
0,65
0,65
0,69
0,69
0,7
0,72
0,72
0,72
0,74
0,75
0,76
0,77
0,79

0,84
0,86
0,87
0,88
0,88
0,9
0,93
0,93
0,95
0,97
1,03
1,05
1,05
1,06
1,09
1,1
1,11

1,12
1,17
1,18
1,24
1,24
1,28
1,33
1,38
1,44
1,51
1,72
1,83
1,96

26

13

Taller de Simulacin - USS

31/03/2015

ESTIMACION DE LA
DISTRIBUCIONES DE PROBABILIDAD

Usando MS Excel se obtuvo, Estadstica descriptiva


Estadistica descriptiva
Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

0,40
0,03
0,27
0,05
0,38
0,15
2,21
1,47
1,95
0,01
1,96
86,76
217,00

Mg. Jose Rodrguez L.

27

ESTIMACION DE LA
DISTRIBUCIONES DE PROBABILIDAD

HISTOGRAMA
1. Numero de datos = N
n=

217

2. Calculo del RANGO = Maximo (Xi)-Minimo(Xi)


Maximo
Mnimo
Rango =

1,96
0,01
1,95

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

28

14

Taller de Simulacin - USS

31/03/2015

ESTIMACION DE LA
DISTRIBUCIONES DE PROBABILIDAD

HISTOGRAMA
3. Calculo del nmero de Clase o Intervalos (K)
Mtodo 1.
K=Ln(n)/Ln(2), donde el Ln logaritmo natural y n numero de datos a agrupar.
K=

Mtodo 2.
K=1+3.322log(N), donde el Log, logaritmo base 10 y N numero de datos a
agrupar. (aqui hay que decidir - comentario)
K=

8,76

Mtodo 3.
Escoger K de la tabla siguiente segun el numero de muestra n
n
K
n < 50
5a7
50<= n <100 6 a 7
100<= n <250 7 a 12
n>=250
10 a 20

Mg. Jose Rodrguez L.

29

ESTIMACION DE LA
DISTRIBUCIONES DE PROBABILIDAD

HISTOGRAMA
4. Amplitud del intervalo (A)
A= Rango/nmero de clase = R/K
(aqui hay que decidir - ver comentario)

A=

0.2 0.21666667

5. Lmites de clases (Li-Ls)


Li = mnimo (n)
Ls= Li + A
Li =
Ls

0.01
0.2267
Li
0.01
0.23
0.44
0.66
0.88
1.09
1.31
1.53
1.74

Ls
0.23
0.44
0.66
0.88
1.09
1.31
1.53
1.74
1.96

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

30

15

Taller de Simulacin - USS

31/03/2015

ESTIMACION DE LA
DISTRIBUCIONES DE PROBABILIDAD

HISTOGRAMA
a sumar =

0.5

Li

Ls

Lri

Lrs

0.0
0.2
0.4
0.7
0.9
1.1
1.3
1.5
1.7

0.2
0.4
0.7
0.9
1.1
1.3
1.5
1.7
2.0

-0.5
-0.3
-0.1
0.2
0.4
0.6
0.8
1.0
1.2

0.7
0.9
1.2
1.4
1.6
1.8
2.0
2.2
2.5

6. Clculo de los lmites reales de clase Lri , Lrs


Agregue ceros despues de la coma, segn decimales contenga los nmeros de la
muestra. esto es; 0.__5 unidades a sumar al limite superior y reste estos
decimales al lmite inferior.
Para el caso particular de este ejemplo; los datos no tienen decimales, por lo
que slo se debe sumar y restar 0.5 unidades al limite superior(Ls) y lmite

Mg. Jose Rodrguez L.

31

ESTIMACION DE LA
DISTRIBUCIONES DE PROBABILIDAD

HISTOGRAMA

Li

Ls

Lri

Lrs

Xj

0,01
0,23
0,44
0,66
0,88
1,09
1,31
1,53
1,74

0,23
0,44
0,66
0,88
1,09
1,31
1,53
1,74
1,96

-0,49
-0,27
-0,06
0,16
0,38
0,59
0,81
1,03
1,24

0,73
0,94
1,16
1,38
1,59
1,81
2,03
2,24
2,46

0,12
0,34
0,55
0,77
0,99
1,20
1,42
1,64
1,85

7. Clculo de Marca de Clase (M) o punto medio de clase (Xj)


Xj=(Li-0.5 + Ls+0.5)/2

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

32

16

Taller de Simulacin - USS

31/03/2015

ESTIMACION DE LA
DISTRIBUCIONES DE PROBABILIDAD

HISTOGRAMA
Li

Ls

Lri

Lrs

Xj

ni

0,01
0,23
0,44
0,66
0,88
1,09
1,31
1,53
1,74

0,23
0,44
0,66
0,88
1,09
1,31
1,53
1,74
1,96

-0,49
-0,27
-0,06
0,16
0,38
0,59
0,81
1,03
1,24

0,73
0,94
1,16
1,38
1,59
1,81
2,03
2,24
2,46

0,12
0,34
0,55
0,77
0,99
1,20
1,42
1,64
1,85
n=

92
47
37
14
12
8
4
1
2
217

8. Clculo de la Frecuencia Absoluta ; ni

Mg. Jose Rodrguez L.

33

ESTIMACION DE LA
DISTRIBUCIONES DE PROBABILIDAD

HISTOGRAMA
Li

Ls

Lri

Lrs

Xj

ni

fi

0,0
0,2
0,4
0,7
0,9
1,1
1,3
1,5
1,7

0,2
0,4
0,7
0,9
1,1
1,3
1,5
1,7
2,0

-0,5
-0,3
-0,1
0,2
0,4
0,6
0,8
1,0
1,2

0,7
0,9
1,2
1,4
1,6
1,8
2,0
2,2
2,5

0,1
0,3
0,6
0,8
1,0
1,2
1,4
1,6
1,9
n=

92
47
37
14
12
8
4
1
2
217

0,4
0,2
0,2
0,1
0,1
0,0
0,0
0,0
0,0
1,00

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

9. Clculo de la Frecuencia Relativa; fi

34

17

Taller de Simulacin - USS

31/03/2015

ESTIMACION DE LA
DISTRIBUCIONES DE PROBABILIDAD

HISTOGRAMA
10. Clculo de la Frecuencia Absoluta acumulada; Ni

Li

Ls

Lri

Lrs

Xj

ni

fi

Ni

0,0
0,2
0,4
0,7
0,9
1,1
1,3
1,5
1,7

0,2
0,4
0,7
0,9
1,1
1,3
1,5
1,7
2,0

-0,5
-0,3
-0,1
0,2
0,4
0,6
0,8
1,0
1,2

0,7
0,9
1,2
1,4
1,6
1,8
2,0
2,2
2,5

0,1
0,3
0,6
0,8
1,0
1,2
1,4
1,6
1,9
n=

92,0
47,0
37,0
14,0
12,0
8,0
4,0
1,0
2,0
217

0,4
0,2
0,2
0,1
0,1
0,0
0,0
0,0
0,0
1,00

92,0
139,0
176,0
190,0
202,0
210,0
214,0
215,0
217,0

Mg. Jose Rodrguez L.

35

ESTIMACION DE LA
DISTRIBUCIONES DE PROBABILIDAD

HISTOGRAMA
11. Clculo de la Frecuencia Relativa acumulada; Fi

Li

Ls

Lri

Lrs

Xj

ni

fi

Ni

Fi

0,0
0,2
0,4
0,7
0,9
1,1
1,3
1,5

0,2
0,4
0,7
0,9
1,1
1,3
1,5
1,7

-0,5
-0,3
-0,1
0,2
0,4
0,6
0,8
1,0

0,7
0,9
1,2
1,4
1,6
1,8
2,0
2,2

0,1
0,3
0,6
0,8
1,0
1,2
1,4
1,6
n=

92,0
47,0
37,0
14,0
12,0
8,0
4,0
1,0
217

0,4
0,2
0,2
0,1
0,1
0,0
0,0
0,0
1,00

92,0
139,0
176,0
190,0
202,0
210,0
214,0
215,0

0,4
0,6
0,8
0,9
0,9
1,0
1,0
1,0

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

36

18

Taller de Simulacin - USS

31/03/2015

ESTIMACION DE LA
DISTRIBUCIONES DE PROBABILIDAD

HISTOGRAMA
0,49
0,49
0,5
0,5
0,5
0,51
0,51
0,51
0,52
0,52
0,53
0,53
0,53
0,54
0,54
0,55
0,55
0,56
0,57
0,57

12. Grafico de Hstograma

Frecuencia

Histograma
100,0
90,0
80,0
70,0
60,0
50,0
40,0
30,0
20,0
10,0
0,0
0,2

0,4

0,7

0,9

1,1

0,0

0,2

0,4

0,7

0,9

Mg. Jose Rodrguez L.

37

ESTIMACION DE LA
DISTRIBUCIONES DE PROBABILIDAD

El siguiente paso es determinar la familia de


distribuciones que se probar para representar el
conjunto de datos en estudio.

Para ello se cuenta con la forma del histograma y tambin


se cuenta con la naturaleza del proceso.

En efecto, se han desarrollado numerosas distribuciones


tericas
para
procesos
determinados,
vistas
anteriormente.

ESCOJA UNA FAMILIA DE DISTRIBUCIN


PROBABILIDADES, LA MAS APROPIADA.
Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

DE

38

19

Taller de Simulacin - USS

31/03/2015

ESTIMACION DE LA
DISTRIBUCIONES DE PROBABILIDAD
0,49
0,49
0,5
0,5
0,5
0,51
0,51
0,51
0,52
0,52
0,53
0,53
0,53
0,54
0,54
0,55
0,55
0,56
0,57
0,57

12. Grafico de Hstograma

Frecuencia

Histograma
100,0
90,0
80,0
70,0
60,0
50,0
40,0
30,0
20,0
10,0
0,0

Forma de distribucin estimada


EXP(Beta)

0,2

0,4

0,7

0,9

1,1

0,0

0,2

0,4

0,7

0,9

Mg. Jose Rodrguez L.

39

ESTIMACION DE LA
DISTRIBUCIONES DE PROBABILIDAD

A continuacin se listan los estimadores sugeridos para


las distribuciones mas empleadas:
Para los apuntes entregados el estimador es MLE (Maximum
Likelihood Estimation), Exponencial: = ()

La media = 0.40 beta (estimador)= 0.40

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

40

20

Taller de Simulacin - USS

31/03/2015

ESTIMACION DE LA
DISTRIBUCIONES DE PROBABILIDAD

La funcin densidad de probabilidad


consideraremos una primera aproximacin.

f(x)

No obstante hay que verificar si el parmetro de 0.4 es el


ajuste correcto, esto se validara ms adelante con otras
tcnicas que se desarrollaran en clases.
Mg. Jose Rodrguez L.

la

41

Grfico: quantile - quantile

Una alternativa al empleo de


histogramas para identificar la
distribucin de los datos es el
grafico quantile-quantile.
Este tipo de grfico puede
utilizarse aun cuando los datos
son escasos (menos de 30), y al
no depender de parmetros
arbitrarios , como el numero de
clases y el ancho de los
intervalos, facilita la evaluacin
del grado de ajuste de la
distribucin
propuesta
al
conjunto de datos analizados.

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

42

21

Taller de Simulacin - USS

31/03/2015

GRFICO q-q
Grafico q-q:
Sea una variable aleatoria con distribucin
acumulada (), el q-quantile de es el valor
talque = = para 0 < < 1.
Cuando () tiene inversa, el quantile es igual a
= 1 ()

Mg. Jose Rodrguez L.

43

GRFICO q-q
Sea X una variable aleatoria con distribucin
acumulada F(x), el q-quantile de X es el valor
talque F()=P(X)=q para 0<q<1. Cuando F(x)
tiene inversa, el quantile es igual a =F-1 (q)
Sea {xi, i=1,2,n} una muestra de X. dicha lista
ordenada de menor a mayor origina una
nueva lista {yj, j=1,2,,n} donde y1 y2 yn
el grfico q-q se basa en que yj es una
estimacin de (j-0.5)/n quantile de X.
Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

44

22

Taller de Simulacin - USS

31/03/2015

GRFICO q-q
y1 ~ F-1 ((j-0.5)/n).
Suponga que se esta probando una
distribucin con funcin de probabilidad
acumulada F(X) para presentar los datos en
estudio, si F(X) es de la familia de
distribuciones adecuada; entonces el grfico,
yj vs. F-1 ((j-0.5)/n) ser aproximadamente una
lnea recta.
Mg. Jose Rodrguez L.

45

GRFICO q-q
Considere los datos mostrados a continuacin:
99.79, 100,26, 100.23, 99.55, 99.96, 99.56,
100.41, 100.27, 99.62, 99.60, 100.17, 99.98,
100.02, 99.65, 100.06, 100.33, 99.83, 100.47,
99.82, 99.85.

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

46

23

Taller de Simulacin - USS

31/03/2015

CALCULOS GRFICO q-q


Estadstica descriptiva.

Mg. Jose Rodrguez L.

47

Histograma
Usando SW ARENAS imput Analyzer, se obtuvo
el histograma.

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

48

24

Taller de Simulacin - USS

31/03/2015

Histograma
Usando SW ARENAS imput Analyzer, se obtuvo
el histograma.

No es fcil determinar que los datos pueden


ser representados por una distribucin
NORMAL
Mg. Jose Rodrguez L.

49

CALCULOS GRFICO q-q


Estadstica descriptiva.

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

50

25

Taller de Simulacin - USS

31/03/2015

CALCULOS GRFICO q-q


Usando MS Excel se genera una tabla:

Mg. Jose Rodrguez L.

51

CALCULOS GRFICO q-q

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

52

26

Taller de Simulacin - USS

31/03/2015

CALCULOS GRFICO q-q

Mg. Jose Rodrguez L.

53

CALCULOS GRFICO q-q

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

54

27

Taller de Simulacin - USS

31/03/2015

CALCULOS GRFICO q-q

Mg. Jose Rodrguez L.

55

CALCULOS GRFICO q-q

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

56

28

Taller de Simulacin - USS

31/03/2015

CALCULOS GRFICO q-q


Los puntos estn alineados a lo largo de una
recta con pendiente 45, por lo tanto, se
puede concluir que los datos tienen una
distribucin normal con valor medio 99.99 y
varianza 0.08.

Mg. Jose Rodrguez L.

57

CALCULOS GRFICO q-q


Note que es posible realizar un grfico
equivalente que no emplee la funcin inversa
de la distribucin acumulada, la cual puede no
existir, para ello, se grafica F(yj) vs. qj

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

58

29

Taller de Simulacin - USS

31/03/2015

GRFICO q-q MODIFICADO


1.20
1.00

F(yj)

0.80

0.60

Lineal (Grafico

0.40
0.20
0.00
0.00

0.20

0.40

0.60
qj

0.80

1.00

1.20

Mg. Jose Rodrguez L.

59

GRFICO q-q MODIFICADO


Generalmente los puntos ubicados en los
extremos pueden alejarse de la lnea recta.
Sin embargo, la atencin debe ser puesta en
los puntos centrales para decidir si la
distribucin que esta siendo probada es la
correcta.

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

60

30

Taller de Simulacin - USS

31/03/2015

Otro criterio.
Es posible tambin detectar si una variable X
tienen una misma distribucin que otra Z.
Para ello se grafican los valores ordenados de
la primera variable vs los valores ordenados
de la segunda variable.
Si el grfico resulta una lnea recta ambas
variables pueden ser representadas con la
misma distribucin.
Mg. Jose Rodrguez L.

61

Seleccin de una distribucin sin


datos: consideraciones.

Si no existe an el sistema o el
proceso de medicin no puede
realizarse por algn motivo,
ser necesario contar con una
distribucin sin contar con los
datos del sistema.
La informacin para ello puede
obtenerse de distintas fuentes,
como ser:
Especificaciones
tcnicas,
generalmente se cuenta con
datos tcnicos de un producto o
proceso, Ej, tiempo medio entre
fallas, velocidad de impresin,
consumo promedio, etc.

Mg. Jose Rodrguez L.

Mg. Jos Rodrguez L.

62

31

Taller de Simulacin - USS

31/03/2015

Distribucin sin datos.

Mg. Jose Rodrguez L.

63

Unidad III
Ajustes a una distribucin de
probabilidad

Mg. Jos Rodrguez l.


Docente

Mg. Jos Rodrguez L.

32