Variables Aleatorias Continuas (I) PDF

Variables aleatorias continuas
VARIABLES ALEATORIAS CONTINUAS (I)

Autores: Rafael Garca Martn (rgarciamart@uoc.edu), Francisco J. Fauln Fajardo (ffaulin@uoc.edu).
INTRODUCCIN______________________________________________
En este math-block titulado "Variables aleatorias continuas" se describen algunas de las
variables aleatorias, probablemente aquellas que ms aplicaciones tienen en el mbito del mtodo
MonteCarlo y la Simulacin, y la forma en que pueden ser tanto analizadas (tabular y grficamente)
como simuladas a travs de Excel.
Para cada una de las v.a. presentadas se muestra: una breve descripcin de las aplicaciones
que pueden encontrarse en la literatura, sus funciones de densidad y distribucin, sus estadsticos
principales y sus propiedades tericas, fundamentalmente respecto a otras variables aleatorias con las
que pudieran estar relacionadas.
Para cada una de ellas se presenta al menos uno, en muchas ocasiones dos, mtodos de
generacin de muestras aleatorias. El lector notar que se ha hecho un esfuerzo por evitar que los
mecanismos de generacin se basen, contrario a lo que es habitual, en cdigo VBA.
Varias son las razones que nos han movido a ello, en primer lugar soslayar la aparicin,
inevitable, de las macros que contuvieran dicho cdigo y que, quermoslo o no, arrojan siempre una
sombra de amenaza para la integridad de nuestros ordenadores; en segundo lugar para reivindicar la
capacidad de Excel - de las funciones propias de la hoja - para realizar tareas de mediana complejidad
a espaldas de un cdigo que, aunque sumamente inteligible, implica en cualquier caso un aparato no
siempre bien asumido por el usuario final.
Finalmente, la generacin de v.a. a travs de cdigo VBA, o de cualquier otro lenguaje de
programacin, est lo suficientemente bien tratada en la literatura como para que el lector que
prefiera la utilizacin de mtodos diferentes a los aqu expuestos no tenga ningn dificultad para
encontrar informacin profusamente desarrollada.
OBJETIVOS
_________________
_____
Presentar al estudiante los conceptos bsicos de las variables aleatorias discretas y

proporcionar una herramienta, basada en Excel, para su anlisis y simulacin.
RELACIN CON OTROS DOCUMENTOS
_________________
_____
Para mayor facilidad se ha optado por dividir el documento en dos partes (I y II) con idntica
estructura. Este math-block es complementario del titulado Variables aleatorias discretas con el
que, como es lgico, comparte muchas caractersticas.
Las dos partes de este documento hacen mencin a una serie de hojas de clculo con las que
se complementan: (Beta.xls ; Bradford.xls ; Cauchy.xls ; Chi2.xls ; Exponencial.xls ; FSnedecor.xls ;
Gamma.xls ; Gumbel.xls ; Logistica.xls ; LogNorm.xls ; Normal.xls ; Rayleigh.xls ; Pareto.xls ;
Triang.xls ; Uniforme.xls ; Weibull.xls).
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
NDICE (Parte I)
_________________
__
Beta ______________________________________________________________________ 3
Usos. ___________________________________________________________________________ 3
Notacin y parmetros. ____________________________________________________________ 3
Densidad y Distribucin. ____________________________________________________________ 3
Estadsticos. _____________________________________________________________________ 3
Propiedades. _____________________________________________________________________ 4
Generacin.______________________________________________________________________ 4
Caracterizacin.___________________________________________________________________ 4
Hoja de clculo. __________________________________________________________________ 4
Bradford __________________________________________________________________ 6
Usos. ___________________________________________________________________________ 6
Estadsticos. _____________________________________________________________________ 6
Propiedades. _____________________________________________________________________ 6
Generacin.______________________________________________________________________ 6
Hoja de clculo. __________________________________________________________________ 6
Cauchy ___________________________________________________________________ 7
Usos. ___________________________________________________________________________ 7
Estadsticos. _____________________________________________________________________ 8
Propiedades. _____________________________________________________________________ 8
Generacin.______________________________________________________________________ 8
Hoja de clculo. __________________________________________________________________ 8
Chi cuadrado (2) ___________________________________________________________ 9

Usos. ___________________________________________________________________________ 9
Estadsticos. ____________________________________________________________________ 10
Propiedades. ____________________________________________________________________ 10
Generacin._____________________________________________________________________ 10
Hoja de clculo. _________________________________________________________________ 10
Exponencial _______________________________________________________________ 11
Usos. __________________________________________________________________________ 11
Notacin y parmetros. ___________________________________________________________ 11
Densidad y Distribucin. ___________________________________________________________ 11
Estadsticos. ____________________________________________________________________ 11
Propiedades. ____________________________________________________________________ 11
Generacin._____________________________________________________________________ 11
Hoja de clculo. _________________________________________________________________ 12
F _______________________________________________________________________ 12
Usos. __________________________________________________________________________ 12
Estadsticos. ____________________________________________________________________ 13
Propiedades. ____________________________________________________________________ 13
Generacin._____________________________________________________________________ 13
Hoja de clculo. _________________________________________________________________ 13
Gamma __________________________________________________________________ 14
Usos. __________________________________________________________________________ 14
Estadsticos. ____________________________________________________________________ 14
Propiedades. ____________________________________________________________________ 14
Generacin._____________________________________________________________________ 15
Hoja de clculo. _________________________________________________________________ 15
Gumbel __________________________________________________________________ 15
Usos. __________________________________________________________________________ 15
Estadsticos. ____________________________________________________________________ 16
Propiedades. ____________________________________________________________________ 16
Generacin._____________________________________________________________________ 16
Hoja de clculo. _________________________________________________________________ 16
Logstica _________________________________________________________________ 17
Usos. __________________________________________________________________________ 17
Estadsticos. ____________________________________________________________________ 17
Propiedades. ____________________________________________________________________ 17
Generacin._____________________________________________________________________ 18
Hoja de clculo. _________________________________________________________________ 18
BIBLIOGRAFA______________________________________________________ ______ 19
ENLACES___________________________________________________________ _____ 19
Proyecto e-Math
Beta
Usos.
Debido a su gran flexibilidad se utiliza en situaciones en las que la ausencia de datos
concretos no impide, sin embargo, tener una idea del comportamiento "global" de la variable
aleatoria. Si suponemos conocidos, o razonablemente supuestos, valores tales como el mximo,
mnimo, media o moda y el tipo de simetra (o asimetra), entonces es posible encontrar una
distribucin Beta que se adapte a dichas suposiciones.
Tambin se utiliza para simular la proporcin (o el nmero total) de productos
defectuosos en un lote de fabricacin, la duracin de un proceso (en PERT/CPM), o la mediana
de una muestra aleatoria.
Notacin y parmetros.
La notacin habitual es X
Be(,
,)
Beta(,
,),
, o bien X
, los dos parmetros son de forma (,
>0). En Excel la notacin es diferente y se basa en el hecho de que la distribucin puede ser
fcilmente reescalada a un intervalo (a,b) ya que si X Be(,
,)
X
1 al hacer X= a+(b-a)X
, 0
tendramos X
Be(,
,)
X
b. As, la notacin en Excel es X
Be(,,
,,a,b);
); en este
, pero ahora con a
,,
caso los parmetros a y b son de escala en la distribucin.
Densidad y Distribucin.
f(x) =
x 1 (1 x) 1
B(,)
siendo B(,) la funcin Beta:

1
B(,) x 1(1 x) 1 dx
para la Beta de cuatro parmetros, usada en Excel, tendremos:

f(x) =
(x a) 1(b x) 1
B(,)
(b a) + 1
F(x) no tiene, en general, forma cerrada.

Estadsticos.
La media y varianza son (respectivamente):
( + ) ( + + 1)
2
el sesgo, la curtosis y el coeficiente de variacin son (respectivamente):

2( )
( + + 2)
+ +1
3( + + 1)[( + 6) + 2( + )2 ]
( + + 2)( + + 3)
Proyecto e-Math
( + + 1)

Propiedades.
Si = la distribucin es simtrica y centrada; si ==1 se convierte en una Uniforme;
Be(1,2) es la distribucin triangular izquierda; Be(2,1) es la triangular derecha; si X
Be(,) (1X) Be (,) ; Be(1/2,1/2) es la distribucin arcoseno.
Generacin.
Puesto que Excel cuenta con una funcin para la inversa de la funcin de distribucin, la
generacin de variables aleatorias puede hacerse directamente por inversin utilizando la frmula
siguiente:
DISTR.BETA.INV(ALEATORIO();,
, , a , b ).
Caracterizacin.
Los parmetros pueden ser estimados de la forma siguiente [W1]:
x(1 x)
= (1 x)
;
1
2
x(1 x)
= x
1
2
s
Hoja de clculo.
El fichero Beta.xls es una plantilla para la generacin y anlisis de la distribucin Beta en

Excel. Su aspecto es el siguiente:
BETA(
, ,min,max)
6,2
0,003344
0,023411
0,050167
0,080268
0,113712
0,157191
0,214047
0,240803
0,297659
0,351171
0,397993
0,448161
0,505017
0,561873
0,612040
0,668896
0,715719
0,762542
0,789298
0,822742
0,842809
0,882943
0,913043
0,939799
0,969900
0,976589
0,989967
0,996656
1,000000
1,000000
5,9
5,5
0,00333
0,01996
0,02661
0,02994
0,03326
0,04324
0,05655
0,02661
0,05655
0,05322
0,04657
0,04989
0,05655
0,05655
0,04989
0,05655
0,04657
0,04657
0,02661
0,03326
0,01996
0,03991
0,02994
0,02661
0,02994
0,00665
0,01330
0,00665
0,00333
0,00000
5,2
0,0033
0,0201
0,0268
0,0301
0,0334
0,0435
0,0569
0,0268
0,0569
0,0535
0,0468
0,0502
0,0569
0,0569
0,0502
0,0569
0,0468
0,0468
0,0268
0,0334
0,0201
0,0401
0,0301
0,0268
0,0301
0,0067
0,0134
0,0067
0,0033
0,0000
4,8
n
1
6
8
9
10
13
17
8
17
16
14
15
17
17
15
17
14
14
8
10
6
12
9
8
9
2
4
2
1
0
1
4,5
4,2
Dis
0,004246
0,015740
0,034906
0,061400
0,094577
0,133622
0,177639
0,225691
0,276836
0,330154
0,384760
0,439818
0,494554
0,548261
0,600308
0,650139
0,697280
0,741340
0,782010
0,819063
0,852354
0,881816
0,907458
0,929362
0,947676
0,962611
0,974433
0,983456
0,990034
0,994548
3,8
3,5
Den
0,004246
0,011494
0,019165
0,026495
0,033176
0,039046
0,044017
0,048052
0,051146
0,053318
0,054605
0,055058
0,054736
0,053708
0,052047
0,049831
0,047141
0,044060
0,040670
0,037053
0,033291
0,029462
0,025642
0,021904
0,018314
0,014935
0,011822
0,009023
0,006577
0,004515
3,1
0,06
X
3,1
3,3
0,05
3,4
3,5
0,04
3,6
3,7
3,8
0,03
3,9
4,0
0,02
4,2
4,3
4,4
0,01
4,5
4,6
0,00
4,7
4,8
4,9
1,05,1
5,2
0,9
5,3
0,85,4
0,75,5
5,6
0,65,7
0,55,9
6,0
0,46,1
0,36,2
6,3
0,26,4
0,1
Alfa () 23
2,3
Beta ()
3,6 36
Mnimo (min)
3
Mximo (max)
7
Muestra
300
3,03
6,64
0,1130
299
0,9945483
0,0878056
A1:A300
0,4247008
0,0487887
4,0079271
3,8174458
Mnimo
Media
Mximo
Varianza
Estadsticos
Tericos Muestra
3,03
3,09
4,56
4,52
6,64
6,46
3,09
0,55
Algoritmo de generacin
DISTR.BETA.INV(ALEATORIO();,,min,max)
Caracterizacin
Borghers, Reymen,
y Wessa
Law&Kelton
1,7
2,3
1,2
2,4
6,3
6,1
5,9
5,6
5,4
5,2
4,9
4,7
4,5
4,3
4,0
3,8
3,6
3,4
3,1
0,0
Proyecto e-Math

El fichero Beta.xls es un libro que, a diferencia de la mayora de los que se presentarn,
contiene no una sino dos hojas de clculo. La primera hoja ha sido presentada anteriormente y su
objetivo es describir la distribucin Beta cuando se conocen perfectamente los parmetros que la
definen. Sin embargo, la mayora de las veces el usuario no tiene ese conocimiento acerca de los
parmetros (porque no dispone de datos empricos de la magnitud a simular y por lo tanto no puede
llevar a cabo el proceso de caracterizacin con el cual estimar dichos parmetros) y nicamente tiene
una idea sobre el comportamiento general de la magnitud a simular: sus extremos mximo y mnimo,
el valor ms probable y la media1.
En este caso se requiere que sean stos los datos que el usuario aporte para dar forma a una
distribucin Beta Subjetiva cuyos parmetros formales pueden, no obstante, ser deducidos de las
indicaciones del usuario. Los parmetros y pueden ser deducidos a partir de: la media que se
desee tenga la distribucin, del valor m ms probable que se le supone, del mximo a y del mnimo
b, en la forma siguiente:
;
(b )
=
( a)
BETA_SUB(Mod,Med,Min,Max)
16,6
0,043478
0,120401
0,167224
0,240803
0,277592
0,344482
0,374582
0,448161
0,481605
0,525084
0,588629
0,642140
0,695652
0,722408
0,749164
0,772575
0,799331
0,829431
0,846154
0,876254
0,903010
0,923077
0,939799
0,949833
0,966555
0,976589
0,983278
0,993311
0,996656
1,000000
14,9
0,04323
0,07649
0,04656
0,07316
0,03658
0,06651
0,02993
0,07316
0,03326
0,04323
0,06319
0,05321
0,05321
0,02661
0,02661
0,02328
0,02661
0,02993
0,01663
0,02993
0,02661
0,01995
0,01663
0,00998
0,01663
0,00998
0,00665
0,00998
0,00333
0,00333
13,3
0,0435
0,0769
0,0468
0,0736
0,0368
0,0669
0,0301
0,0736
0,0334
0,0435
0,0635
0,0535
0,0535
0,0268
0,0268
0,0234
0,0268
0,0301
0,0167
0,0301
0,0268
0,0201
0,0167
0,0100
0,0167
0,0100
0,0067
0,0100
0,0033
0,0033
11,6
n
13
23
14
22
11
20
9
22
10
13
19
16
16
8
8
7
8
9
5
9
8
6
5
3
5
3
2
3
1
1
1
8,3
6,6
Dis
0,043701
0,096481
0,151801
0,207791
0,263468
0,318216
0,371613
0,423357
0,473221
0,521035
0,566671
0,610033
0,651049
0,689671
0,725866
0,759620
0,790929
0,819804
0,846267
0,870349
0,892093
0,911551
0,928784
0,943862
0,956867
0,967888
0,977028
0,984400
0,990131
0,994363
4,9
3,2
Den
0,043701
0,052780
0,055320
0,055990
0,055677
0,054748
0,053398
0,051744
0,049864
0,047814
0,045636
0,043362
0,041016
0,038622
0,036195
0,033753
0,031309
0,028875
0,026463
0,024082
0,021744
0,019458
0,017233
0,015078
0,013005
0,011022
0,009140
0,007372
0,005731
0,004232
1,6
0,09X
1,6
0,08
2,1
2,7
0,07
3,2
0,06
3,8
4,3
0,05
4,9
0,04
5,5
6,0
0,03
6,6
0,02
7,1
7,7
0,01
8,3
8,8
0,00
9,4
9,9
10,5
1,0
11,0
11,6
0,9
12,2
0,8
12,7
13,3
0,7
13,8
0,6
14,4
14,9
0,5
15,5
0,4
16,1
0,3
16,6
17,2
0,2
17,7
0,1
( a)(2m a b)
(m ) (b a)
9,9
Alfa ()
1,18
Beta ()
2,57
Ms probable
3
Media
77
Mnimo (min)
1
Mximo (max)
20
1,00
18,85
0,5577
299
0,9943627
0,0878056
A1:A300
0,341846
0,0573859
2,9206033
2,1185688
Muestra
300
Mnimo
Media
Mximo
Moda
Estadsticos
Tericos Muestra
1,00
1,09
7,00
6,79
18,85
17,76
3
7
17,2
16,1
14,9
13,8
12,7
11,6
9,4
10,5
8,3
7,1
6,0
4,9
3,8
2,7
1,6
0,0
Es necesario un pequeo esfuerzo para entender que la identificacin que habitualmente hacemos entre la
media y el valor ms probable slo tiene sentido en distribuciones simtricas. En cualquier otra situacin
ambos valores estarn ms separados cuanto ms larga sea una de las colas de la distribucin en comparacin
con la otra y por tanto ms asimtrica sea sta.
Proyecto e-Math
Bradford
Usos.
Su uso es muy restringido en simulacin, se trata de otra distribucin que, como la de Pareto,
modeliza cualquier fenmeno en el que "slo unos pocos controlan una gran parte del todo". La
distribucin de Bradford se aplica concretamente al nmero de referencias (bibliogrficas en el
trabajo original) a un determinado tema e intenta explicar un hecho observado por Samuel Bradford
(1934) que puede definirse de esta manera: "un tercio de las referencias provienen de un reducido
grupo de fuentes; otro tercio de un grupo menos reducido y el tercio restante de un disperso grupo
de fuentes". Por ejemplo, encontradas 300 referencias sobre un tema, 100 se encuentran en un grupo
de cinco revistas; otras 100 en un grupo de 25 y las restantes en un amplio grupo de 100 fuentes.
BRADFORD(A,B,C), A es parmetro de posicin; B de escala y C
de forma.
La funcin de densidad es:
f(x) =
[C(X A) + B A] Log(C + 1)
La funcin de distribucin es:

C(x A)
Log 1 +
Ba
F(x) =
Log(C + 1)
Estadsticos.
C(B A) + Log(C + 1)[A(C + 1) B]
C Log(C + 1)
(B A)2 + [(C Log(C + 1) 2) + 2 Log(C + 1)]

2 C Log(C + 1)2
Propiedades.
Es una distribucin de valores positivos siempre menores que B, cuya moda es A.
Generacin.
Excel no cuenta con ninguna funcin relacionada con la distribucin de Bradford, sin embargo,
la generacin de v.a. puede hacerse (por inversin) fcilmente a travs de la frmula siguiente:
(1/C)*(A*(C+1)-B+(B-A)*(C+1)^ALEATORIO())
Hoja de clculo.
El fichero Bradford.xls es una plantilla para la generacin y anlisis de la distribucin Bradford
en Excel. Su aspecto es el siguiente:
Proyecto e-Math
1,5
1,4
1,4
1,3
1,2
1,2
1,1
1,0
0,1
0,0
A 10
1,0
2,0
20
6,5 65
Muestra
290
Mnimo
Media
Mximo
Varianza
1,0003
1,9977
0,0332
290
66,041
0,086267971
A1:A290
2,014903021
Estadsticos
Tericos
Muestra
1,00
1,00
1,99
1,33
2,00
1,99
0,078
0,071
2,0
1,9
1,8
1,8
1,7
1,6
BRADFORD(A,B,C)
(1/C)*(A*(C+1)-B+(B-A)*(C+1)^ALEATORIO())
2,0
0,3
0,2
f2_s
0,10690
0,19310
0,24138
0,31724
0,35517
0,40345
0,43448
0,46552
0,51379
0,55862
0,59310
0,63103
0,67241
0,72069
0,75517
0,77931
0,79310
0,80345
0,83793
0,86207
0,87586
0,89310
0,89310
0,91379
0,93793
0,95172
0,96897
0,98276
0,98621
1,00000
1,9
0,5
0,4
1,8
0,7
0,6
f1_s
7,05958
5,69321
3,18820
5,01003
2,50501
3,18820
2,04956
2,04956
3,18820
2,96047
2,27729
2,50501
2,73274
3,18820
2,27729
1,59410
0,91091
0,68319
2,27729
1,59410
0,91091
1,13864
0,00000
1,36637
1,59410
0,91091
1,13864
0,91091
0,22773
0,91091
1,8
0,9
0,8
1,7
1,0
1,6
1,0
0,0
f_s
0,1069
0,0862
0,0483
0,0759
0,0379
0,0483
0,0310
0,0310
0,0483
0,0448
0,0345
0,0379
0,0414
0,0483
0,0345
0,0241
0,0138
0,0103
0,0345
0,0241
0,0138
0,0172
0,0000
0,0207
0,0241
0,0138
0,0172
0,0138
0,0034
0,0138
1,6
1,0
1,5
2,0
n
31
25
14
22
11
14
9
9
14
13
10
11
12
14
10
7
4
3
10
7
4
5
0
6
7
4
5
4
1
4
0
1,6
3,0
1,4
4,0
1,4
5,0
Dis
0,092336
0,170760
0,238914
0,299178
0,353188
0,402120
0,446848
0,488036
0,526204
0,561764
0,595050
0,626335
0,655847
0,683775
0,710280
0,735502
0,759557
0,782550
0,804570
0,825697
0,845999
0,865539
0,884373
0,902548
0,920110
0,937099
0,953551
0,969499
0,984973
1,000000
1,3
6,0
Den
6,097998
5,179196
4,501016
3,979878
3,566895
3,231563
2,953863
2,720114
2,520647
2,348435
2,198250
2,066119
1,948971
1,844395
1,750470
1,665648
1,588666
1,518486
1,454244
1,395217
1,340794
1,290458
1,243765
1,200333
1,159832
1,121974
1,086510
1,053219
1,021908
0,992404
1,2
7,0
1,1
X
1,03
1,07
1,10
1,13
1,17
1,20
1,23
1,27
1,30
1,33
1,37
1,40
1,43
1,47
1,50
1,53
1,57
1,60
1,63
1,67
1,70
1,73
1,76
1,80
1,83
1,86
1,90
1,93
1,96
2,00
1,2
8,0
Cauchy
Usos.
El cociente de dos cantidades normales estndar independientes sigue una distribucin
de Cauchy, este hecho es suficiente para que esta distribucin deba ser tenida en cuenta a la hora de
realizar simulaciones.
De otra manera, si se distribuye U(-/2, /2) entonces X = tg() se distribuye segn una
Cauchy(a = 0 ; b = 1). As, se distribuye con arreglo a esta distribucin, la distancia a la que un
segmento de longitud infinita y con un origen arbitrario corta a una recta (la distancia se
considera desde el punto de corte de la recta que determina la distancia del origen a la recta) cuando
el ngulo que forma el segmento con la recta es arbitrario (esto es, igualmente posible entre -/2 y
/2).
La distribucin de Cauchy se caracteriza por tener las colas (es simtrica) mucho ms largas
que otras distribuciones simtricas (la Normal o incluso la Logstica) esto hace que tenga aplicacin
durante la fase de validacin de un modelo cuando se quiere someter a ste a un gran nmero de
valores extremos.
En Excel no existe ninguna funcin directamente relacionada con la distribucin de Cauchy,
aunque tanto su generacin como su anlisis no es complicado.
Proyecto e-Math

No es una distribucin demasiado conocida. Aunque pueda encontrarse con otra notacin, la
habitual es X
C(a,b), siendo a el parmetro de posicin (-<a<) y b el de escala (b>0).
f(x) =
(X a) + b 2
2
,la funcin de distribucin es:

F(x) =
1 1
X a
+ arctan
2
b
Estadsticos.
La media, moda y la mediana coinciden en el parmetro a; la varianza no existe.
Propiedades.
La distribucin es simtrica respecto de a; el primer y tercer cuartil estn, respectivamente, en
a-b y a+b; la distribucin C(0;1) es mucho ms "aplastada" que la normal estndar y por tanto las
colas son mucho ms largas.
Una propiedad importante es que si XC(0,1) (+X)C(,);. tambin se verifica que si
{X1,X2,...Xn} son variables aleatorias independientes y distribuidas segn {C(1,);C(2,);..;C(n,)},
entonces {X1+X2+...+Xn}C(1+2+..+n,).
Generacin.
Existen al menos dos formas de generar variables aleatorias de Cauchy en Excel:
a - (b/(TAN(PI()*ALEATORIO())))-0,5
a + (b*(N(0,1))/N(0,1)))
ambas parecen proporcionar buenos resultados (vase la hoja de clculo). Mientras que la primera
requiere un nico nmero aleatorio, la segunda requiere dos ya que cada generacin de una variable
aleatoria normal deber hacerse utilizando la frmula:
DISTR.NORM.ESTAND.INV(ALEATORIO())
de esta manera, la frmula completa para el segundo modo de generacin ser:
a+(b*DISTR.NORM.ESTAND.INV(ALEATORIO())/DISTR.NORM.ESTAND.INV(ALEATORIO()))-0,5
Hoja de clculo.
El fichero Cauchy.xls contiene una hoja que posibilita la descripcin grfica y la generacin,
por los dos mtodos expuestos, de v.a. de Cauchy. Su aspecto es el siguiente:
Proyecto e-Math
2,3
3,3
4,2
5,1
6,1
3,3
4,2
5,1
6,1
0,5
0,5
CAUCHY(a,b)
f2_s
1,00000 Posicin (a) 11
-7
0,01095
0
7
0,01095
0,46667
0,01460
Escala (b)
274
0,02920
1 10
0,85670
0,04015
0,08205
0,04745
Muestra
A1:A300
0,05839
300
1
0,07664
0,10584
Estadsticos
0,16423
Tericos Muestra
0,20438
Mnimo
-7,00
-447,29
0,31752
Media
0,00
-2,58
0,44161
Mximo
7,00
51,55
0,59854
Varianza
0,70803
0,80292
0,86861
a-(b/(TAN(PI()*ALEATORIO())))-0,5
0,91606
a+(b*(N(0,1))/N(0,1)))
0,94161
0,94891
0,95985 a-(b/(TAN(PI()*ALEATORIO())))-0,5
0,97080
0,97080
0,99270
0,99635
0,99635
1,00000
1,00000
1,00000
2,3
-0,5
-0,5
f1_s
0,05003
0,00938
0,00000
0,00313
0,01251
0,00938
0,00625
0,00938
0,01563
0,02501
0,05003
0,03439
0,09693
0,10631
0,13445
0,09380
0,08129
0,05628
0,04065
0,02189
0,00625
0,00938
0,00938
0,00000
0,01876
0,00313
0,00000
0,00313
0,00000
0,00000
1,4
-1,4
-1,4
f_s
0,0584
0,0109
0,0000
0,0036
0,0146
0,0109
0,0073
0,0109
0,0182
0,0292
0,0584
0,0401
0,1131
0,1241
0,1569
0,1095
0,0949
0,0657
0,0474
0,0255
0,0073
0,0109
0,0109
0,0000
0,0219
0,0036
0,0000
0,0036
0,0000
0,0000
1,4
-2,3
n
16
3
0
1
4
3
2
3
5
8
16
11
31
34
43
30
26
18
13
7
2
3
3
0
6
1
0
1
0
0
10
-2,3
-3,3
-4,2
-5,1
Dis
0,048346
0,052001
0,056248
0,061241
0,067193
0,074403
0,083306
0,094558
0,109188
0,128881
0,156548
0,197432
0,260972
0,361017
0,500000
0,638983
0,739028
0,802568
0,843452
0,871119
0,890812
0,905442
0,916694
0,925597
0,932807
0,938759
0,943752
0,947999
0,951654
0,954833
-3,3
-4,2
-6,1
-6,1
Den
0,003655
0,003951
0,004620
0,005472
0,006581
0,008056
0,010078
0,012941
0,017161
0,023680
0,034275
0,052212
0,081793
0,119514
0,138983
0,119514
0,081793
0,052212
0,034275
0,023680
0,017161
0,012941
0,010078
0,008056
0,006581
0,005472
0,004620
0,003951
0,003417
0,000000
-5,1
##
0,18 X
##
## -6,5
0,16
## -6,1
##
0,14-5,6
## -5,1
0,12-4,7
##
## -4,2
0,10-3,7
##
##
0,08-3,3
## -2,8
0,06-2,3
##
## -1,9
0,04-1,4
##
##
0,02-0,9
## -0,5
##
0,000,0
## 0,5
## 0,9
## 1,4
1,0 1,9
##
##
0,9 2,3
## 2,8
0,8
## 3,3
0,7 3,7
##
##
0,6 4,2
## 4,7
0,5 5,1
##
0,4 5,6
##
##
0,3 6,1
## 6,5
0,2 7,0
##
0,1
##
##
0,0
##
##
##
Chi cuadrado (
2 )
Usos.
Es sabido que la suma de n variables normales estndar al cuadrado sigue una distribucin 2
de n grados de libertad, sin embargo, este hecho no convierte a la distribucin 2 en candidata para
la modelizacin de ninguna magnitud, excepto si sta fuera precisamente la suma anterior. Su uso en
Simulacin, o MonteCarlo, est ms relacionada con el test de bondad del ajuste que lleva su
nombre.
La notacin habitual es X2(), siendo los grados de libertad (>0).
f(x) =
X
1
X 2 e 2
2
2
Proyecto e-Math

,la funcin de distribucin (sin forma cerrada para impar) es:
X

e 2
F(x) = 1
j

X
j = 2 1
j!
j=0
Estadsticos.
La media es , la varianza 2
, el sesgo 2(2/
)1/2, la curtosis 3+(12/
) y el coeficiente de
1/2
variacin (2/
) .
Propiedades.
La distribucin
2 es un caso particular de la distribucin Gamma, 2n Gamma(n/2,2)
Generacin.
La generacin es inmediata usando la funcin de librera de Excel:
PRUEBA.CHI.INV(ALEATORIO();GL)
Hoja de clculo.
El fichero Chi2.xls contiene una hoja que posibilita la descripcin grfica y la generacin:
19,7
20,4
17,8
0,0327
0,0098
0,0523
0,0425
0,0392
0,0784
0,0523
0,0752
0,0588
0,0686
0,0392
0,0490
0,0588
0,0719
0,0359
0,0523
0,0327
0,0425
0,0098
0,0131
0,0131
0,0098
0,0131
0,0033
0,0065
0,0000
0,0065
0,0033
0,0033
0,0000
15,8
16,4
13,8
0,0333
0,0100
0,0533
0,0433
0,0400
0,0800
0,0533
0,0767
0,0600
0,0700
0,0400
0,0500
0,0600
0,0733
0,0367
0,0533
0,0333
0,0433
0,0100
0,0133
0,0133
0,0100
0,0133
0,0033
0,0067
0,0000
0,0067
0,0033
0,0033
0,0000
18,4
2(GL)
14,5
11,9
n
10
3
16
13
12
24
16
23
18
21
12
15
18
22
11
16
10
13
3
4
4
3
4
1
2
0
2
1
1
0
2
12,5
10,6
9,9
Dis
0,026298
0,053346
0,091621
0,140225
0,197292
0,260434
0,327128
0,394990
0,461953
0,526354
0,586958
0,642930
0,693792
0,739357
0,779666
0,814927
0,845465
0,871675
0,893987
0,912838
0,928659
0,941853
0,952794
0,961818
0,969225
0,975276
0,980199
0,984188
0,987409
0,990000
8,0
6,0
6,7
4,0
4,7
2,7
2,1
Den
0,027047
0,038276
0,048604
0,057066
0,063142
0,066694
0,067862
0,066963
0,064401
0,060604
0,055972
0,050862
0,045565
0,040309
0,035261
0,030538
0,026210
0,022311
0,018852
0,015821
0,013194
0,010941
0,009024
0,007407
0,006051
0,004923
0,003989
0,3 20,4 0,003221
0,2 21,0 0,002591
21,7 0,010000
0,1
0,0
8,6
0,09 X
2,7
0,08
3,4
0,07 4,0
4,7
0,06 5,4
0,05 6,0
6,7
0,04 7,3
0,03 8,0
8,6
0,02 9,3
0,01 9,9
10,6
0,00 11,2
11,9
12,5
13,2
1,0 13,8
14,5
0,9 15,1
0,8 15,8
0,7 16,4
17,1
0,6 17,8
0,5 18,4
19,1
0,4 19,7
0,0333
0,0433
0,0967
0,1400
0,1800
0,2600
0,3133
0,3900
0,4500
0,5200
0,5600
0,6100
0,6700
0,7433
0,7800
0,8333
0,8667
0,9100
0,9200
0,9333
0,9467
0,9567
0,9700
0,9733
0,9800
0,9800
0,9867
0,9900
0,9933
0,9933
GL 41
9
Muestra
300
2,09
21,67
0,6526053
300
0,9802365
0,0784099
A1:A300
Estadsticos
Tericos Muestra
Mnimo 2,09
0,92
Media 9,00
8,92
Mximo 0,65
25,21
Varianza 18,00
15,53
PRUEBA.CHI.INV(ALEATORIO();GL)
Proyecto e-Math
10
Exponencial
Usos.
La distribucin exponencial es una de las ms utilizadas en simulacin, sus valores son
siempre positivos lo que la liga fundamentalmente con la modelizacin de "tiempos", pero lo que la
convierte en sumamente importante es el hecho de que se trata de la nica distribucin continua cuya
tasa de fallo es constante, o dicho de otra forma, no tiene memoria. Esto supone que la magnitud
simulada, el tiempo necesario para que se complete una tarea, el tiempo hasta el fallo de un
dispositivo mecnico, el tiempo entre llegadas de los clientes a una cola, es independiente del
instante del tiempo en que nos encontremos y por tanto del tiempo transcurrido hasta ese momento.
Esta propiedad (conocida en la literatura anglosajona como "memoryless property") es harto
frecuente, determinados dispositivos electrnicos, por ejemplo, no sufren desgaste y por lo tanto
prcticamente no envejecen por lo que su probabilidad de fallo no aumenta a lo largo de su vida til.
Por otra parte, si el nmero de sucesos ocurridos en un intervalo de tiempo sigue una distribucin de
Poisson, entonces el tiempo entre dos de estos sucesos se distribuye de forma exponencial.
Exp(
), es parmetro de escala (>0).
X

1
f(x) = e
F(x) = 1
Estadsticos.
La media es , la varianza 2; el sesgo 2, la curtosis 9 y el coeficiente de variacin 1.
Propiedades.
Es un caso particular de la distribucin Gamma verificndose que Gamma(
,1) Exp(
);
tambin es un caso particular de la Weibull Weibull(
,1) Exp(
); la suma de exponenciales
independientes de parmetro es una distribucin Erlang(k;
)
Generacin.
Excel no cuenta con una funcin para la inversa de la funcin de distribucin, sin embargo, la
generacin de variables aleatorias puede hacerse utilizando la frmula siguiente:
(1/) * -LOG(ALEATORIO())
Proyecto e-Math
11

Hoja de clculo.
El fichero Exponencial.xls es una plantilla para la generacin y anlisis de esta distribucin en
Excel. Ntese que en la hoja se ha utilizado una notacin ligeramente distinta (cambiando tasa por
media) de manera que =1/.
Lambda(
) 18
1,8
0,00
5,40
0,1800
300
4,698
0,08
A1:A300
Muestra
300
Mnimo
Media
Mximo
Varianza ()
Estadsticos
Tericos Muestra
0,00
0,00
0,56
0,70
5,40
4,62
0,309
0,547
5,2
4,9
EXPONENCIAL (
)
Lambda*-LOG(ALEATORIO())
5,0
4,5
4,1
f2_s
0,25333
0,44667
0,57000
0,65333
0,74333
0,77667
0,82000
0,85333
0,88333
0,91000
0,93667
0,94667
0,95667
0,96333
0,97667
0,97667
0,98000
0,98667
0,98667
0,99667
0,99667
0,99667
0,99667
0,99667
0,99667
1,00000
1,00000
1,00000
1,00000
1,00000
4,5
3,8
4,0
3,4
3,1
f1_s
1,19015
0,90827
0,57942
0,39150
0,42282
0,15660
0,20358
0,15660
0,14094
0,12528
0,12528
0,04698
0,04698
0,03132
0,06264
0,00000
0,01566
0,03132
0,00000
0,04698
0,00000
0,00000
0,00000
0,00000
0,00000
0,01566
0,00000
0,00000
0,00000
0,00000
3,4
2,7
f_s
0,2533
0,1933
0,1233
0,0833
0,0900
0,0333
0,0433
0,0333
0,0300
0,0267
0,0267
0,0100
0,0100
0,0067
0,0133
0,0000
0,0033
0,0067
0,0000
0,0100
0,0000
0,0000
0,0000
0,0000
0,0000
0,0033
0,0000
0,0000
0,0000
0,0000
2,9
2,3
2,0
n
76
58
37
25
27
10
13
10
9
8
8
3
3
2
4
0
1
2
0
3
0
0
0
0
0
1
0
0
0
0
0
2,3
1,6
1,8
1,3
Dis
0,277733
0,477596
0,622153
0,726710
0,802333
0,857031
0,896593
0,925207
0,945903
0,960873
0,971700
0,979531
0,985195
0,989292
0,992255
0,994398
0,995948
0,997069
0,997880
0,998467
0,998891
0,999198
0,999420
0,999580
0,999697
0,999781
0,999841
0,999885
0,999917
0,999940
1,3
0,9
0,7
0,2
0,5
Den
1,30008
0,940327
0,680124
0,491923
0,355800
0,257345
0,186133
0,134627
0,097374
0,070429
0,050940
0,036844
0,026649
0,019275
0,013941
0,010083
0,007293
0,005275
0,003815
0,002760
0,001996
0,001444
0,001044
0,000755
0,000546
0,000395
0,000286
0,000207
0,000149
0,000108
0,2
1,4
X
0,18
1,2
0,36
0,54
0,72
1,0
0,90
1,08
0,8
1,26
1,44
0,6
1,62
1,80
0,4
1,98
2,16
0,2
2,34
2,52
0,0
2,70
2,88
3,06
3,24
1,0
3,42
3,60
0,9
3,78
0,8
3,96
0,7
4,14
4,32
0,6
4,50
0,5
4,68
4,86
0,4
5,04
0,3
5,22
0,2
5,40
0,1
0,0
Usos.
Esta distribucin tiene un papel fundamental en determinados contrastes de hiptesis
(pruebas sobre las varianzas y ANOVA). Pero fuera de estas aplicaciones no suele usarse para
modelizar magnitud alguna.
F(gl1,gl2), ambos parmetros, conocidos como grados de libertad
del numerador y g.l. del denominador son de forma (gl1;gl2>0).
f(x) =
gl1
gl2
gl1
gl
1 1
2
2
gl
gl gl
1 ; 2 1 + X 1
2
2
gl2
gl1 + gl2
2
mientras que la funcin de distribucin no tiene forma cerrada.
Proyecto e-Math
12

Estadsticos.
gl1
gl1 2
2gl1 (gl1 + gl2 2)

2
gl2 (gl1 4)(gl1 2)
Propiedades.
Ntese que la media de la distribucin no depende de gl1; al aumentar los grados de libertad
de la distribucin, sta se aproxima cada vez ms a la distribucin Normal; se verifica que: F(gl1,gl2)
1/ F(gl2,gl1)
Generacin.
Excel cuenta con una funcin para la inversa de la funcin de distribucin, la generacin de
variables aleatorias puede hacerse utilizando la frmula siguiente:
DISTR.F.INV(ALEATORIO();GL1;GL2)
Hoja de clculo.
El fichero FSnedecor.xls es una plantilla para la generacin y anlisis de esta distribucin en
3,5
3,5
3,1
0,0000
0,0033
0,0067
0,0633
0,1400
0,2533
0,3700
0,4733
0,5633
0,6500
0,7533
0,7933
0,8333
0,8633
0,8867
0,9100
0,9133
0,9300
0,9433
0,9533
0,9633
0,9733
0,9833
0,9900
0,9933
0,9967
0,9967
0,9967
1,0000
1,0000
2,7
2,3
0,00000
0,00333
0,00333
0,05667
0,07667
0,11333
0,11667
0,10333
0,09000
0,08667
0,10333
0,04000
0,04000
0,03000
0,02333
0,02333
0,00333
0,01667
0,01333
0,01000
0,01000
0,01000
0,01000
0,00667
0,00333
0,00333
0,00000
0,00000
0,00333
0,00000
2,7
F (GL1,GL2)
0,0000
0,0033
0,0033
0,0567
0,0767
0,1133
0,1167
0,1033
0,0900
0,0867
0,1033
0,0400
0,0400
0,0300
0,0233
0,0233
0,0033
0,0167
0,0133
0,0100
0,0100
0,0100
0,0100
0,0067
0,0033
0,0033
0,0000
0,0000
0,0033
0,0000
1,9
n
0
1
1
17
23
34
35
31
27
26
31
12
12
9
7
7
1
5
4
3
3
3
3
2
1
1
0
0
1
0
0
1,5
1,2
Dis
0,000000
0,001274
0,016998
0,063484
0,142546
0,244449
0,356089
0,466239
0,567404
0,655686
0,729883
0,790507
0,838987
0,877120
0,906733
0,929502
0,946876
0,960055
0,970007
0,977498
0,983123
0,987341
0,990499
0,992864
0,994635
0,995961
0,996955
0,997701
0,998261
0,998683
0,8
0,4
Den
0,001274
0,015724
0,046486
0,079062
0,101903
0,111639
0,110150
0,101166
0,088282
0,074197
0,060624
0,048480
0,038133
0,029613
0,022769
0,017374
0,013179
0,009952
0,007491
0,005625
0,004217
0,003159
0,002365
0,001771
0,001326
0,000994
0,000746
0,000560
0,000421
0,001317
0,0
0,14X
0,0
0,12
0,1
0,3
0,10
0,4
0,5
0,08
0,6
0,8
0,06
0,9
1,0
0,04
1,2
0,02
1,3
1,4
0,00
1,5
1,7
1,8
1,9
1,02,1
0,92,2
2,3
0,82,4
2,6
0,72,7
0,62,8
3,0
0,53,1
0,43,2
3,3
0,33,5
3,6
0,23,7
0,1
G.L. 1 41
9
G.L. 2
48 4
Muestra
300
Mnimo
Media
Mximo
Varianza
0,0000
3,8519
0,1284
300
1,0000
0,0784
A1:A300
Estadsticos
Tericos Muestra
0,00
0,09
1,04
1,07
3,85
3,52
0,30
0,36
DISTR.F.INV(ALEATORIO();GL1;GL2)
3,1
2,3
1,9
1,5
1,2
0,8
0,4
0,0
0,0
Proyecto e-Math
13
Gamma
Usos.
La distribucin Gamma es la generalizacin de algunas de las distribuciones ms usadas en la
modelizacin de fenmenos para su simulacin: la exponencial, y la Erlang no son sino casos
particulares (junto con la 2) de la distribucin Gamma. Su empleo en Simulacin/MonteCarlo est
relacionado con los fenmenos de espera, el hecho de que sea siempre positiva la liga a magnitudes
como el tiempo para realizar una tarea o el tiempo hasta el fallo de un dispositivo, entre
otras posibles aplicaciones.
Estas aplicaciones se derivan del hecho de que puede considerarse como la probabilidad de
que ocurran sucesos en un periodo (1/)
) de tiempo (por ejemplo que fallen los k subsistemas
de un dispositivo que harn que ste finalmente deje de funcionar; que se lleven a cabo las k
subtareas que componen un tarea principal con lo que sta puede considerarse terminada, etc.)
escala.
Gamma(,
,),
, (>0) es un parmetro de forma y (>0) de
f(x) =
X

1
X
e
F(x) = 1
j = 1 X
j=0
j!
Estadsticos.

2
3+
Propiedades.
Gamma(1,) Exp() ; si k es un entero positivo a la distribucin Gamma(k,) se la conoce
como k-Erlang; a la distribucin Gamma(v/2,2) se la conoce como 2v.
Si {X1,X2,..Xn} se distribuyen como Gamma(1,), Gamma(2,),.. entonces la suma X1+X2+..
se distribuye segn Gamma(1+2+...,).
Proyecto e-Math
14

Generacin.
Excel cuenta con una funcin para la inversa de la funcin de distribucin, la generacin de
variables aleatorias puede hacerse utilizando la frmula siguiente:
DISTR.GAMMA.INV(ALEATORIO();;
;)
;
Hoja de clculo.
77,4
f2_s
0,0000
0,0033
0,0100
0,0333
0,1200
0,1833
0,2533
0,3267
0,4067
0,5100
0,6100
0,6833
0,7500
0,7867
0,8200
0,8700
0,9200
0,9333
0,9533
0,9667
0,9833
0,9867
0,9867
0,9900
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
GAMMA (
, )
Alfa () 55
5,5
Beta ()
5,5 55
Muestra
300
Mnimo
Media
Mximo
Varianza ()
Estadsticos
Tericos
0,60
30,25
2,85
166,38
0,60
85,98
2,8460
300
0,9990
0,0784
A1:A300
Muestra
5,82
30,19
71,31
168,14
DISTR.GAMMA.INV(ALEATORIO();;)
77,4
68,9
68,9
60,4
51,8
f1_s
0,00000
0,00333
0,00666
0,02331
0,08658
0,06327
0,06993
0,07326
0,07992
0,10323
0,09990
0,07326
0,06660
0,03663
0,03330
0,04995
0,04995
0,01332
0,01998
0,01332
0,01665
0,00333
0,00000
0,00333
0,00999
0,00000
0,00000
0,00000
0,00000
0,00000
60,4
43,3
34,7
51,8
f_s
0,0000
0,0033
0,0067
0,0233
0,0867
0,0633
0,0700
0,0733
0,0800
0,1033
0,1000
0,0733
0,0667
0,0367
0,0333
0,0500
0,0500
0,0133
0,0200
0,0133
0,0167
0,0033
0,0000
0,0033
0,0100
0,0000
0,0000
0,0000
0,0000
0,0000
43,3
n
0
1
2
7
26
19
21
22
24
31
30
22
20
11
10
15
15
4
6
4
5
1
0
1
3
0
0
0
0
0
0
34,7
Dis
0,000156
0,002791
0,014240
0,041688
0,089249
0,156526
0,239385
0,331689
0,426983
0,519670
0,605600
0,682186
0,748229
0,803610
0,848947
0,885294
0,913905
0,936065
0,952983
0,965734
0,975233
0,982236
0,987348
0,991049
0,993705
0,995599
0,996939
0,997882
0,998541
0,999000
26,2
17,7
17,7
9,1
Den
0,000156
0,002635
0,011450
0,027448
0,047561
0,067276
0,082859
0,092304
0,095294
0,092687
0,085930
0,076586
0,066044
0,055381
0,045337
0,036347
0,028611
0,022160
0,016918
0,012751
0,009499
0,007002
0,005113
0,003700
0,002657
0,001894
0,001340
0,000943
0,000659
0,000458
9,1
0,6
0,6
0,12 X
3,4
0,10 6,3
9,1
12,0
0,0814,8
17,7
0,0620,5
23,4
0,0426,2
29,1
31,9
0,0234,7
37,6
0,0040,4
43,3
46,1
49,0
1,0051,8
54,7
0,9057,5
0,8060,4
0,7063,2
66,1
0,6068,9
0,5071,7
74,6
0,4077,4
0,3080,3
0,2083,1
86,0
0,10
0,00
26,2
El fichero Gamma.xls es una plantilla para la generacin y anlisis de esta distribucin en

Gumbel
Usos.
La distribucin Gumbel es tambin conocida como LogWeibull, Gomperzt o FisherTippet. Es la distribucin de los valores extremos (mximo o mnimos) de una muestra
suficientemente grande de variables aleatorias independientes de una misma distribucin.
Gumbel(,
,),
, (-<<) es un parmetro de posicin y (>0)
de forma.
Proyecto e-Math
15

Las funciones de densidad y distribucin son:
f(x) =
F(X) =
Estadsticos.
La media y varianza son (respectivamente) 0.5772
el sesgo y la curtosis son (respectivamente) 1.1395
5.4
2 2
6
Propiedades.
La distribucin es unimodal (Moda = ) y con puntos de inflexin situados en 0,962.
Generacin.
Aunque Excel no cuenta con una funcin para la inversa de la funcin de distribucin, la
*LN(-LN(ALEATORIO()))
Hoja de clculo.
11,3
12,0
12,7
12,0
12,7
9,9
9,9
GUMBEL(
, )
f2_s
0,00000 Posicin (
) 48
2,48083
0,00690
4,8
13,08871
0,02759
0,35360
0,07241
Escala (
)
290
0,14828
1,2 12
2,81913
0,27241
0,07975
0,40000
Muestra
A1:A290
0,47931
290
1
0,58966
0,66552
Estadsticos
0,73448
Tericos Muestra
0,80690
Mnimo
2,48
2,76
0,86207
Media
4,80
5,40
0,90345
Mximo
13,09
11,48
0,92414
Varianza ()
2,0
0,95172
0,96897
0,97586
* LN(-LN(ALEATORIO()))
0,98276
0,98621
0,99310
0,99310
0,99310
0,99310
0,99655
1,00000
1,00000
1,00000
1,00000
1,00000
11,3
9,2
9,2
f1_s
0,00000
0,01944
0,05833
0,12637
0,21387
0,34996
0,35968
0,22359
0,31108
0,21387
0,19442
0,20414
0,15554
0,11665
0,05833
0,07777
0,04861
0,01944
0,01944
0,00972
0,01944
0,00000
0,00000
0,00000
0,00972
0,00972
0,00000
0,00000
0,00000
0,00000
10,6
8,5
8,5
f_s
0,0000
0,0069
0,0207
0,0448
0,0759
0,1241
0,1276
0,0793
0,1103
0,0759
0,0690
0,0724
0,0552
0,0414
0,0207
0,0276
0,0172
0,0069
0,0069
0,0034
0,0069
0,0000
0,0000
0,0000
0,0034
0,0034
0,0000
0,0000
0,0000
0,0000
10,6
7,8
7,1
6,4
7,8
7,1
5,7
n
0
2
6
13
22
36
37
23
32
22
20
21
16
12
6
8
5
2
2
1
2
0
0
0
1
1
0
0
0
0
0
6,4
4,2
Dis
0,005830
0,021672
0,057624
0,119377
0,205356
0,307587
0,415573
0,519967
0,614417
0,695747
0,763239
0,817726
0,860819
0,894383
0,920228
0,939961
0,954933
0,966238
0,974745
0,981129
0,985911
0,989488
0,992160
0,994155
0,995644
0,996754
0,997581
0,998198
0,998658
0,999000
5,0
5,0
4,2
3,5
Den
0,024994
0,069201
0,137041
0,211444
0,270901
0,302204
0,304094
0,283378
0,249392
0,210330
0,171846
0,137125
0,107510
0,083194
0,063752
0,048499
0,036697
0,027655
0,020778
0,015576
0,011658
0,008714
0,006507
0,004856
0,003622
0,002701
0,002013
0,001500
0,001118
0,000833
3,5
2,8
2,8
0,40 X
2,8
0,353,2
3,5
0,303,9
4,2
0,254,6
5,0
0,20
5,3
0,155,7
6,0
0,106,4
6,7
0,057,1
7,4
0,007,8
8,1
8,5
8,8
1,0 9,2
0,9 9,6
9,9
0,8 10,3
0,7 10,6
0,6 11,0
11,3
0,5 11,7
0,4 12,0
0,3 12,4
12,7
0,2 13,1
0,1
0,0
5,7
El fichero Gumbel.xls es una plantilla para la generacin y anlisis de esta distribucin
Proyecto e-Math
16
Logstica
Usos.
Aunque tericamente se trata de la distribucin de la media de los valores mximo y mnimo
de una muestra de tamao n (n), su utilizacin est ms relacionada con el crecimiento futuro de
una magnitud a lo largo del tiempo. Si dicho crecimiento es directamente proporcional al valor actual
de dicha magnitud entonces se dice que el crecimiento es exponencial, si adems de esto existe un
techo que impide un crecimiento infinito la curva de la magnitud sobre el eje del tiempo es una curva
logstica. Esto hace que esta distribucin se pueda emplear, genricamente, para representar el valor
en un momento del tiempo de una magnitud de esas caractersticas.
Otro motivo para su utilizacin es su gran parecido con la distribucin Normal pero con la
ventaja de tener una funcin de distribucin mucho ms sencilla lo que posibilita extraordinariamente
su tratamiento analtico.
escala.
Log(,
,),
, (-<<) es un parmetro de posicin y (>0) de
f(x) =

e
X

1 + e

1
F(x) =
1+
Estadsticos.
22
3
4,2
22
3
Propiedades.
Si =0 =0,5513, entonces Log(,)N(0;1).
Proyecto e-Math
17

Generacin.
Excel no cuenta con una funcin para la inversa de la funcin de distribucin, sin embargo, la
+( *-LN(ALEATORIO()/(1-ALEATORIO())))
Hoja de clculo.
El fichero Logistica.xls es una plantilla para la generacin y anlisis de esta distribucin en
15,5
18,6
18,6
12,4
9,3
0,0133
0,0167
0,0200
0,0267
0,0367
0,0433
0,0467
0,0633
0,0733
0,1033
0,1300
0,1767
0,2500
0,2967
0,4000
0,5067
0,6067
0,7000
0,7433
0,7967
0,8467
0,8767
0,9067
0,9267
0,9500
0,9700
0,9767
0,9767
0,9800
0,9867
15,5
12,4
6,2
3,1
0,0084
0,0021
0,0021
0,0042
0,0063
0,0042
0,0021
0,0105
0,0063
0,0188
0,0167
0,0293
0,0460
0,0293
0,0649
0,0670
0,0628
0,0586
0,0272
0,0335
0,0314
0,0188
0,0188
0,0126
0,0146
0,0126
0,0042
0,0000
0,0021
0,0042
9,3
6,2
0,0
3,1
-3,1
0,0133
0,0033
0,0033
0,0067
0,0100
0,0067
0,0033
0,0167
0,0100
0,0300
0,0267
0,0467
0,0733
0,0467
0,1033
0,1067
0,1000
0,0933
0,0433
0,0533
0,0500
0,0300
0,0300
0,0200
0,0233
0,0200
0,0067
0,0000
0,0033
0,0067
0,0
-6,2
n
4
1
1
2
3
2
1
5
3
9
8
14
22
14
31
32
30
28
13
16
15
9
9
6
7
6
2
0
1
2
4
-3,1
-9,3
-6,2
-12,4
-9,3
-15,5
Dis
0,020414
0,026266
0,033738
0,043242
0,055269
0,070396
0,089272
0,112596
0,141070
0,175322
0,215801
0,262649
0,315574
0,373759
0,435840
0,500000
0,564160
0,626241
0,684426
0,737351
0,784199
0,824678
0,858930
0,887404
0,910728
0,929604
0,944731
0,956758
0,966262
0,973734
-12,4
-18,6
-15,5
-21,7
Den
0,003333
0,004263
0,005433
0,006895
0,008702
0,010907
0,013550
0,016653
0,020195
0,024097
0,028205
0,032277
0,035998
0,039011
0,040981
0,041667
0,040981
0,039011
0,035998
0,032277
0,028205
0,024097
0,020195
0,016653
0,013550
0,010907
0,008702
0,006895
0,005433
0,004263
-18,6
-21,7
X
0,08
-23,2
-21,7
0,07
-20,1
-18,6
0,06
-17,0
0,05
-15,5
-13,9
0,04
-12,4
-10,8
0,03
-9,3
-7,7
0,02
-6,2
-4,6
0,01
-3,1
-1,5
0,00
0,0
1,5
3,1
4,6
1,0
6,2
0,9
7,7
9,3
0,8
10,8
0,7
12,4
0,6
13,9
15,5
0,5
17,0
0,4
18,6
0,3
20,1
21,7
0,2
0,1
0,0
LOGSTICA(, )
Posicin (
) 37
0
Escala (
)
64
Muestra
300
Mnimo
Media
Mximo
Varianza
-24,00
24,00
1,54837
300
0,6277044
0,07841
A1:A300
Estadsticos
Tericos Muestra
-24,00
-29,31
0,00
0,17
24,00
34,70
118,44
75,43
a+b*LN(ALEATORIO()/(1-ALEATORIO()))
Proyecto e-Math
18
BIBLIOGRAFA______________________________________________________
[1].
[2].
[3].
[4].
[5].
[6].
[7].
[8].
[9].
[10].
[11].
[12].
[13].
[14].
[15].
[16].
[17].
[18].
[19].
Bennet B.S "Simulation Fundamentals", Prentice Hall (1995)

Bratley, P., Fox, B. y Schrage, L. "A Guide to Simulation", Springer. (1987)
Fishman, G.S. "Monte Carlo: Concepts, Algorithms and Applications", Springer (3rd ed.) (1999).
Gordon G. "System Simulation" Editorial Prentice-Hall (1978).
Jambunathan, M. V. "Some Properties of Beta and Gamma Distributions." Ann. Math. Stat. 25, 401-405,
1954.
Kleijnen, J. y Van Groenendaal, W. "Simulation: A Statistical Perspective", Wiley(1992).
Kolarski, I. "On Groups of n Independent Random Variables whose Product Follows the Beta Distribution."
Colloq. Math. IX Fasc. 2, 325-332, (1962).
Krysicki, W. "On Some New Properties of the Beta Distribution." Stat. Prob. Let. 42, 131-137, (1999).
Law A. M., W. D. Kelton "Simulation Modeling & Analysis" Ed. McGraw-Hill (1984).
MacDougall M.H."Simulating Computer Systems Techniques and Tools" MIT Press (1987).
Motwani y Ragharan "Randomized Algorithms", Cambridge U.P (1995).
Neelamkavil, F. "Computer Simulation and Modelling", Wiley (1988).
P. Bratley, B. L. Fox, L. E. Schrage "A Guide to Simulation" Springer-Verlag (1987).
Raj Jain "The Art of Computer Systems Performance Analysis" Ed. Wiley (1991).
Ros Insua et al. "Simulacin mtodos y aplicaciones" Ed. Ra-Ma, Madrid (1997)
Ripley, B. "Stochastic Simulation", Wiley (1987).
Ross, S. "A Course in Simulation", MacMillan (1990).
Thompson, J.R. "Simulation: A modelers Approach". John Wiley, 2000.
Ziegler, B. "Theory of Modelling and Simulation", Wiley (1976).
ENLACES___________________________________________________________
[W1]
[W2]
[W3]
[W4]
[W5]
[W6]
[W7]
http://www.xycoon.com/continuousdistributions.htm Borghers, Reymen, y Wessa Resa

Corporation.
"Bradfords Law and related statistical patterns" Essays of an Information Scientist, Vol 4
pg. 476-482 1980.
Measuring risk by Extreme Values.pdf OPERATIONAL RISK SPECIAL REPORT. 2000.
Some EVT tools for estimation of large losses in Insurance.pdf Yuriy Krvavych, Kyiv National
University of Taras, Ukraine
Statistical reliability analysis on Rayleigh Probability Distributions.pdf Russell J. Hoppenstein
2000
Statistically Minimum-loss Design of Averages Control.pdf CHAO-YU CHOU*,Proc. Natl. Sci.
Counc. ROC(A) Vol. 24, No. 6, 2000. pp. 472-479
The Extended Generalized Gamma Model.pdf Gebrenegus Ghilagaber, Stockholm
University, Department of Statistics.
Proyecto e-Math
19

Variables Aleatorias Continuas (I) PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Variables Aleatorias Continuas (I) PDF

Cargado por

Copyright:

Formatos disponibles

Variables aleatorias continuas