UNIVERSIDAD ALAS PERUANAS

CURSO: GEOESTADÍSTICA
TEMAS:
 TEOREMA DE LÍMITE CENTRAL.
 MÉTODO DE TRANSFORMACIÓN INVERSA.
 MÉTODO DE MONTECARLO.

GRUPO: 2
 EL TEOREMA DEL LÍMITE CENTRAL

El teorema del límite central es un teorema fundamental de probabilidad y

estadística. El teorema establece que la distribución de , que es la media de
una muestra aleatoria de una población con varianza finita, tiene una
distribución aproximadamente normal cuando el tamaño de la muestra es
grande, independientemente de la forma de la distribución de la población.

El tamaño que debe tener la muestra depende de la forma de la distribución.

Si la distribución de la población es simétrica, un tamaño de muestra de 5
podría generar una aproximación adecuada, es marcadamente asimétrica, se
requiere un tamaño de muestra de 50 o más.
Una población que sigue una distribución uniforme es simétrica, pero
marcadamente no normal, como lo indica el primer histograma. Sin
embargo, la distribución de 1000 medias de la muestra (n=5) de esta
población es aproximadamente normal debido al teorema del límite
central, como lo demuestra el segundo histograma. Este histograma de
medias de la muestra incluye una curva normal superpuesta para ilustrar
esta normalidad.
¿QUÉ ES ESTADÍSTICA DESCRIPTIVA Y ESTADÍSTICA INFERENCIAL?

ESTADÍSTICOS DESCRIPTIVOS

Los estadísticos descriptivos proporcionan un resumen conciso de los

datos. Usted puede resumir los datos de forma numérica o gráfica. Por
ejemplo, el gerente de un restaurante de comida rápida rastrea los
tiempos de espera de los clientes durante la hora de almuerzo por una
semana y resume los datos.
ESTADÍSTICOS INFERENCIALES

Los estadísticos inferenciales utilizan una muestra aleatoria de datos

tomada de una población para describir y hacer inferencias acerca de la
población. Los estadísticos inferenciales son valiosos cuando no es
conveniente o posible examinar cada miembro de una población entera.
¿CUÁL ES LA DIFERENCIA ENTRE UNA POBLACIÓN Y UNA MUESTRA?

POBLACIÓN

Es el conjunto de individuos, objetos o eventos que

tienen la misma característica y sobre todo el que
estamos interesados en obtener conclusiones. Este
subconjunto de la población se denomina muestra.

MUESTRA
Es una parte de la población, la cual se selecciona
con el propósito de obtener información. Debe ser
representativo. Si la muestra es aleatoria y lo
suficientemente grande, usted puede utilizar la
información obtenida de la muestra para hacer
inferencias sobre la población.
¿QUÉ ES UNA DISTRIBUCIÓN DE MUESTREO?

Una distribución de muestreo describe la probabilidad de obtener cada

valor posible de un estadístico de una muestra aleatoria de una
población.
¿QUÉ ES UN PARÁMETRO?

Los parámetros son medidas descriptivas de toda una población que se

utilizan como las entradas para una función de distribución de
probabilidad (PDF) con el fin de generar curvas de distribución.
 MÉTODO DE LA TRANSFORMACIÓN INVERSA
El método de la transformación inversa puede utilizarse para simular
variables aleatorias continuas, lo cual se logra mediante la función
acumulada f(x) y la generación de números pseudoaleatorios ri ~U (0,1).

El método consiste en:

 Definir la función de Densidad f(x)

que representa la variable a modelar.
 Calcular la función acumulada f(x).
 Despejar la variable aleatoria x y
obtener la función acumulada
inversa f(x)-1.
 Generar las variables aleatorias x,
sustituyendo valores con números
pdeudoaleatorios ri ~U (0,1) en la
función acumulada inversa.
DISTRIBUCIÓN UNIFORME

A partir de la función de la densidad de las variables aleatorias uniformes

entre a y b.

 Se obtiene la función acumulada.

 Igualando la función acumulada F(x) con el número pseudoaleatorio

ri ~U (0,1), y despejando x se obtiene:
DISTRIBUCIÓN DE BERNOULLI

A partir de la distribución de probabilidad de las variables aleatorias de

Bernoulli con media.

Se calculan las probabilidades

para x=0 y x=1, para obtener:

Acumulando los valores de

p(x) se obtiene:

Generando números pseudoaleatorios ri ~U (0,1) se aplica la regla:

Ejemplo:
x = F-1(r)

Donde:
r = es el numero distribuido u (0,1).
F-1 = La inversa de la función acumulada de la distribución
deseada.
x = el número distribuido de acuerdo a la distribución
deseada.
 VENTAJAS Y DESVENTAJAS DE MÉTODO
DE TRANSFORMACIÓN INVERSA

Ventajas:
 facilita algunas técnica de la reducción de
varianza especialmente cuando es necesario
la sincronización de números aleatorios.
 Muy útil para generar una variable aleatoria
al azar que se pequeña.
Desventajas:
 En algunos casos es una aproximación muy
eficiente.
SIMULACIÓN DE MONTECARLO
Es la aproximación a la solución de un problema por medio del
muestreo de un proceso al azar.
Los orígenes de esta técnica están ligados al trabajo
desarrollado por Stan Ulam y John Von Neumann a finales de
los 40 en el laboratorio de Los Álamos, cuando investigaban el
movimiento aleatorio de los neutrones.
¿QUÉ ES LA SIMULACIÓN DE MONTE
CARLO?
La simulación de Monte Carlo es una técnica
cuantitativa que hace uso de la estadística y los
ordenadores para imitar, mediante modelos
matemáticos, el comportamiento aleatorio de
sistemas reales no dinámicos (por lo general, cuando
se trata de sistemas cuyo estado va cambiando con el
paso del tiempo, se recurre bien a la simulación de
eventos discretos o bien a la simulación de sistemas
continuos).
¿DÓNDE SE DESARROLLO?
El uso de los métodos de Monte Carlo como
herramienta de investigación, proviene del
trabajo realizado en el desarrollo de la bomba
atómica durante la Segunda Guerra Mundial
en el Laboratorio Nacional de Los Átomos en
EE.UU.

El método se llamo así en referencia al Casino

de Monte Carlo (Principado de Mónaco) por
ser “La capital del juego de azar”, ala ser la
ruleta un generador simple de números
aleatorios. El nombre y el desarrollo
sistemático de los métodos de Monte Carlo
datan aproximadamente de 1944 y se
mejoraron enormemente con el desarrollo de
la computadora.
PERMITE QUE:
La simulación de Monte Carlo es una técnica que permite
llevar a cabo la valoración de los proyectos de inversión,
considerando uno o varias de las variables que se utilizan
para la determinación de los flujos de caja.

La técnica de la simulación de Monte Carlo se basa en simular

la realidad a través del estudio de una muestra que se ha
generado de forma totalmente aleatoria.
GRACIAS