INSTITUTO TECNOLÓGICO DE ORIZABA

LICENCIATURA EN:
ING. INDUSTRIAL

MATERIA
SIMULACIÓN (6b4B)

TAREA DE LA UNIDAD 4
EJERCICIOS

INTEGRANTES
GIRÓN ESPINOSA JOSÉ CHRISTIAN
QUIAHUA TLEHUAHTLE ROCÍO
MOZQUEDA FLORES MAGDIEL ALEYDA
BERNAL MARTINEZ JOSÉ EDUARDO

PROFESOR
CONSTANTINO GERARDO MORAS SANCHEZ

SEMESTRE
FEB – JUN 2019
EJERCICIOS

1. Se tiene un proceso de producción que produce bicicletas. La siguiente tabla

muestra los resultados de 10 corridas piloto independientes que se
obtuvieron al correr el programa de simulación.

Cantidad total de bicicletas

Replicación
producidas en una semana
1 55
2 57
3 46
4 60
5 63
6 58
7 51
8 47
9 53
10 59

Suponga que se desea estimar la cantidad promedio de bicicletas producidas

por semana con un error absoluto de 3 bicicletas y un nivel de confianza
del 95%. Determine el número óptimo de replicaciones que se deberán
realiza.

𝛼 𝑆 2 (𝑛)
𝑡𝑖 − 1, √ ≤𝛽
2 𝑖
Datos:
𝑥̅ = 54.9
𝑠̅=31.43
𝛽=3
1 − 𝛼 = 0.95
𝛼 = .05

Solución:
31.43 31.43
𝑇10 (0.025)√ 11
= 2.228√ 11
= 3.766097

31.43 31.43
𝑇11 (0.025)√ = 2.201√ = 3.5620
12 12

31.43 31.43
𝑇12 (0.025)√ = 2.179√ = 3.38811
13 13

31.43 31.43
𝑇13 (0.025)√ = 2.160√ = 3.236397
14 14
 31.43 31.43
𝑇14 (0.025)√ = 2.145√ = 3.104944
15 15

31.43 31.43
𝑇15 (0.025)√ = 2.131√ = 2.98672
16 16

Número de replicaciones óptimo: 16

2. Se registro el número de accidentes industriales X, por mes en una gran fábrica

de acero, para los últimos 10 años (n=120 meses), con los resultados que aparecen
en la siguiente tabla:
X (número de Accidentes) Frecuencia (Número de meses)
0 65
1 25
2 8
3 7
4 6
5 5
6 4

Aplique la prueba Ji-Cuadrada y pruebe la hipótesis nula de que la variable

aleatoria X tiene una distribución Poisson, suponiendo que las observaciones son
independientes. Utilice un valor de alfa=0.01
Especifique claramente:
A. La hipótesis nula
B. La hipótesis alterna
C. EL estadístico de la prueba
D. La región de rechazo
E. La decisión
F. La conclusión

Solución

H0: Los datos que representan el número de accidentes industriales por mes en
una fábrica de acero, por los últimos diez años siguen la distribución Poisson.

Ha: Los datos que representan el número de accidentes industriales por mes en
una fábrica de acero, por los últimos diez años no siguen la distribución Poisson.
 (0𝑥65) + (1𝑋25) + (2𝑥8) + (3𝑥7) + (4𝑥6) + (5𝑥5) + (6𝑥4)
𝜆=
120

𝜆 = 1.125

ᵡ Ui 𝜆𝜒 . 𝑒 −𝜆 𝐸(𝑥) = 𝑵. 𝑷(𝑿)
𝑃(𝑥) =
𝜒!
0 65 0.3246 38.952

1 25 0.3652 43.824
2 8 0.2054 24.648
3 7 0.0770 9.24
4 6 0.021 2.52
5 5 4.8752 585.024
6 4 9.1411 1096.932

Para X=4 , se incumple la propiedad Xi>5, entonces se conjuntan ambos (x=3 y x=4)
resultando en:

ᵡ Ui 𝜆𝜒 . 𝑒 −𝜆 𝐸(𝑥) = 𝑵. 𝑷(𝑿)
𝑃(𝑥) =
𝜒!
0 65 0.3246 38.952

1 25 0.3652 43.824
2 8 0.2054 24.648
3-4 13 0.098 11.76

Estadístico de la prueba

(𝑈𝑖− 𝜀𝑖 )2
𝜒2 = Σ
𝜀𝑖

Sustituyendo:

(65−38.952)2 (25−43.824)2 (8−24.648)2 (13−11.76)2

𝜒2 = [ ]+[ ]+[ ]+[ ]
38.952 43.824 24.648 11.76

𝜒 2 = [17.419]+[8.085] + [11.244]+[0.131]

𝜒 2 = 36.879
 Región de Rechazo

Se encuentra dada por la ecuación:

𝜒2𝛼 , 𝑘 − 1 − 𝑝
Donde:

K= número de celdas
P=número de parámetros estimados

Sustituyendo:

36.879𝛼=0.01 , 4 − 1 − 1

36.879𝛼=0.01 , 2

R.R= 9.210

R.A

R.R

0 9.210 36.879

Decisión:
H0 se rechaza, la hipótesis nula es descartada, pues el estadístico 𝜒 2 (se
encuentra fuera de la región aceptada.
3. Se tomó una muestra de 20 datos de los tiempos de servicio en minutos que un
empleado de una gasolinera tarda despachando gasolina por automóvil. Los 20
datos en minutos son los siguientes:
1.3, 2.6, 7.4, 3.2, 4.5, 1.9, 2.2, 2.1, 3.6, 6.5, 2.4, 2.9, 4.5, 6.1, 6.0, 3.0, 2.8, 2-6,
3.5, 4.5.
Aplique la prueba de K-S y pruebe la hipótesis de que estos datos siguen la
distribución exponencial con una media beta de 3.7 minutos, con una alfa de 0.01,
sabiendo que la fórmula de la función de distribución exponencial es:
𝐹(𝑋) = 1 − 𝑒 −𝑋/𝛽
Nota: No se olvide de ordenar los datos en forma ascendente.
Especifique claramente:
A. La hipótesis nula.
B. La hipótesis alterna.
C. El estadístico de la prueba.
D. La región de rechazo.
E. La decisión.
F. La conclusión.
H0: Los tiempos en minutos de servicio que un empleado de una gasolinera tarda
despachando gasolina por automóvil siguen la distribución exponencial con media β de
3.7 min,

Ha: Los tiempos en minutos de servicio que un empleado de una gasolinera tarda
despachando gasolina por automóvil no siguen la distribución exponencial con media β
de 3.7 min,

𝑭∗ (𝑿𝒊) = 𝟏 − 𝒆−𝒙/𝜷 𝒊
i 𝑿𝒊 − 𝑭∗ (𝑿𝒊) 𝑭∗ (𝑿𝒊) − (𝒊 − 𝟏)/𝒏
𝒏
1 1.3 0.2963 -0.2463 0.2963
2 1.9 0.4016 -0.3016 0.3516
3 2.1 0.4331 -0.2831 0.3331
4 2.2 0.4482 -0.2482 0.2982
5 2.4 0.4772 -0.2272 0.2772
6 2.6 0.5047 -0.2047 0.2547
7 2.6 0.5047 -0.1547 0.2047
8 2.8 0.5308 -0.1308 0.1808
9 2.9 0.5433 -0.0933 0.1433
10 3 0.5555 -0.0555 0.1055
11 3.2 0.5789 -0.0289 0.0789
12 3.5 0.6117 -0.0117 0.0617
13 3.6 0.622 0.028 0.022
14 4.5 0.7036 -0.0036 0.0536
15 4.5 0.7036 0.0464 0.0036
16 4.5 0.7036 0.0964 -0.0464
17 6 0.8024 0.0476 0.0024
18 6.1 0.8076 0.0924 -0.0424
19 6.5 0.8274 0.1226 -0.0726
20 7.4 0.8647 0.1353 -0.0853
 𝐷 = 𝑀𝑎𝑥 (0.1353,0.3516)= 0.3516

Región de Rechazo

1.63
𝐷0.01 = = 0.3645
√20
Decisión como 0.3645>0.3516, entonces se acepta la hipótesis nula (H0)

Conclusión:

De acuerdo a la evidencia presentada los tiempos en minutos que un empleado de

una gasolinera tarda despachando gasolina por auomovil siguen la distribución
exponencial, con media de β=3.7 min