UNIVERSIDAD FRANCISCO JOSÉ DE CALDAS

FACULTAD TECNOLÓGICA
INGENIERÍA DE PRODUCCIÓN
SIMULACIÓN
Alex Pinzon.

Angie Milena Marín Bonilla

Heidy Katherine Molina León
Alejandra Munar

1 ¿cuál es el procedimiento para un histograma?

El histograma es un gráfico que muestra por medio de barras la distribución de
frecuencias de una o más variables. Nos ofrece un vistazo general del
comportamiento de las variables, donde logramos analizar aspectos como
distribución, dispersión, aleatoriedad y tendencia.

● Paso 1: ¿Cuáles son los datos que se van a analizar? tiempo, peso,
tamaño…etc
● Paso 2: Determinar el rango; El rango se define como la resta entre el valor
más grande con el valor más pequeño de tus datos capturados.
● ​Paso 3:​ Determine el número de clases a utilizar.
● Paso 4: Determine la amplitud de clase o ancho del intervalo. Se define con
la letra h. Para ello divida el rango entre el número de clases ​k.
● Paso 5: Defina las clases. Busque el número más pequeño en todos los
datos, y a ese número le va a sumar la amplitud de clase ​h​. Ya tiene el primer
intervalo o clase. Por ejemplo, si el número más pequeño es 10 y tu amplitud
de clase es 5: El primer intervalo será: [10 – 15], el segundo (15, 20], y así
sucesivamente.
● ​Paso 6:​ Tabule los datos con base en los intervalos de clase definidos.
● Paso 7: Construya el histograma: En el eje ​x se ubican los intervalos de
clase y en el eje ​y la frecuencia, la amplitud del intervalo, será el ancho de la
barra.
● Paso 8: Interprete el histograma. Analice aspectos como la tendencia, la
variabilidad

​ . Elabore un histograma según usted indico en 1 (ver documento anexo

2
ejemplo de histograma)
3. ¿Qué es un contraste de hipótesis?

El contraste de hipótesis consiste en la realización de inferencias de los parámetro

provenientes de los datos registrados y datos esperados en un modelo, para
determinar si la hipótesis es nula o alternativa y con ello saber si hay o no modelo.

Si C1----Datos registrados
C2----Datos esperados

Datos registrados = Datos esperados

H​O -------- ​C1 = C2, nula, ​α1 = ø

Ha-------​ ​C1 ​≠​ C2, alternativa, ​α1 ​≠​ ø

4. ¿Cuáles son los pasos de un contraste de hipótesis?

a) ​Establecer una hipótesis nula y una hipótesis alternativa relativas a los

parámetros de la población.
Consiste en tomar la decisión en torno a los datos muestrales de rechazar o no que
ciertas restricciones sean satisfechas por el modelo básico asumido.
Para formular una hipótesis nula se utiliza un operador de igualdad y una hipótesis
alternativa se designa un operador de desigualdad.

b)​ Construir un estadístico para contrastar las hipótesis formuladas.

Cuando se calcula el estadístico de contraste para una muestra dada, se obtiene un

resultado o un número. Al realiza un contraste estadístico es conveniente conocer la
función de distribución de probabilidad de contraste bajo la hipótesis nula. Esta
distribución depende en gran medida de las hipótesis formuladas en el modelo. Si
en la especificación del modelo se asume el supuesto de normalidad, entonces la
distribución estadística apropiada será la distribución normal o alguna de las
distribuciones asociadas a la misma, como son la Chi-cuadrado.

c) ​Definir una regla de decisión para determinar si la hipótesis nula debe ser, o no,
rechazada en función del valor que tome el estadístico construido.

En necesario examinar dos tipos de errores que se pueden cometer en el contraste

de hipótesis.

Error de tipo I rechazar la Ho cuando en realidad es cierta. Generalmente, se define

el nivel de significación de un contraste como la probabilidad de cometer un error
Los niveles de significación usuales para son 0.10, 0.05 y 0.01. Algunas veces
también se utiliza 0.001. Después de haber tomado la decisión de rechazar o no la
H0, la decisión puede haber sido la correcta o puede que se haya cometido un error.

Error de tipo II fracasar en rechazar la Ho cuando en realidad es falsa. Si esto

sucede es la probabilidad de no rechazar Ho cuando Ha es cierta. Es importante
señalar que no es posible minimizar ambos tipos de error de forma simultánea. En la
práctica lo que hacemos es seleccionar un nivel de significación bajo.

5 ¿En qué etapas de la página 67 de Averill usa contraste de hipótesis?

Las etapas en donde se tiene en cuenta el contraste de hipótesis en el libro de

Averill son las etapas de realizar pruebas piloto, validar el modelo y diseño del
experimento, dado que allí se desea saber si se encuentra un modelo viable según
la comparación entre la población y la muestra de la misma con el fin de contrastar
la hipótesis y sabe si esta alternativa o nula.
a continuación se describen los 3 pasos antes mencionados relacionados con el
contraste de hipótesis:

5.​ H
​ acer carreras piloto.
a.​ Haga que el piloto se ejecute con fines de validación en el paso.

6.¿​ Es válido el modelo programado?

a.​ Si existe un sistema, ​compare​ el modelo y el sistema (del paso
medidas de rendimiento para el sistema existente).
b.​Independientemente de si existe un sistema, los analistas de simulación y las
PYME deben revisar los resultados del modelo para ​comprobar​ su corrección.

c.​Utilizar análisis de sensibilidad para determinar en qué factores tener un impacto

significante en las medidas de rendimiento y, por lo tanto, deben ​ser modelados
cuidadosamente.

7.​ Diseñar experimentos.

a. Especifique lo siguiente para cada configuración de interés del sistema:
• Longitud de cada​ ejecución​ de simulación
Duración del período de calentamiento, si es apropiado
• Número de ejecuciones de ​simulación independientes utilizando diferentes
números aleatorios.
 6 ¿Cuáles son los distintos tipos de contraste de hipótesis?

Entre ellos se encuentran los contrastes paramétricos y no paramétricos.

CONTRASTES PARAMÉTRICOS.
Se conoce la forma de la distribucion y los parámetros son desconocidos
Tipos de regiones críticas.

Donde;
H1 ≡ θ>θ0 ó H1 ≡ θ<θ0 : Hipótesis Alternativa es Unilateral. (Región Crítica
Unilateral)
H1 ≡ θ >< θ0 : Hipótesis Alternativa es Bilateral (R. C. Bilateral.)
H0 ≡ θ = θ0: Hipótesis nula Sencilla o Simple.
H0 ≡ θ =< θ0 ó H0 ≡ θ>= θ0 : Hipótesis nula Compuesta.

Criterios generales para este contraste

● Calcular una cantidad experimental (Cexp) a partir de los datos

● Calcular una cantidad teórica (Cα) a partir de las tablas

CONTRASTES DE HIPÓTESIS DE UNA POBLACIÓN NORMAL

Contrastes de hipòtesis para la media de una población normal

a) Varianza poblacional σ2 conocida.
b) Varianza poblacional σ2 desconocida

CONTRASTES DE HIPÓTESIS PARA LA VARIANZA DE UNA POBLACIÓN

NORMAL
a) Media poblacional conocida
b) Media poblacional desconocida

CONTRASTES DE HIPÓTESIS PARA EL PARÁMETRO P DE UNA

DISTRIBUCIÓN BINOMIAL

CONTRASTES DE HIPÓTESIS EN DOS POBLACIONES NORMALES

INDEPENDIENTES

Contrastes de comparaciòn de dos medias.

a) Varianzas poblacionales conocidas

b) Varianzas poblacionales desconocidas
Contrastes de comparaciòn de dos varianzas
a) Media poblacional conocida
b) Media poblacional desconocida

Contrastes de comparaciòn de dos proporciones

CONTRASTES DE HIPÓTESIS PARA COMPARAR DOS MEDIAS DE

VARIABLES NORMALES: MUESTRAS APAREADAS

Dos muestras se dicen independientes cuando las observaciones de una de ellas no

condicionan para nada a las observaciones de la otra, siendo dependientes en caso
contrario. El tipo de dependencia que se considera a estos efectos es muy especial:
cada dato de una muestra tiene un homónimo en la otra con el que está
relacionado, de ahí el nombre alternativo de muestras apareadas.

CONTRASTES NO-PARAMÉTRICOS

Contrastes de Hipótesis basadas en la chi-cuadrado de pearson

Allí no se conoce la forma de distribuciòn de la poblaciòn. El contraste que plantea,

a diferencia de los estudiados, no se refiere a un valor concreto de un parámetro
desconocido
CONTRASTES PARA LA BONDAD DE AJUSTE

El objetivo de los Contrastes de Bondad de Ajuste a Distribuciones es determinar a

través de una muestra aleatoria, si una variable aleatoria sigue una cierta
distribución teórica dada de antemano (Binomial, Poisson, Normal, Uniforme etc).
H0 ≡ La distribución teórica está conforme con la distribución empírica H1 ≡ La
distribución teórica no está conforme con la distribución empírica

CONTRASTES PARA LA INDEPENDENCIA DE DOS CARACTERES

El objetivo de estos contrastes es comprobar si dos características cualitativas

están relacionadas entre sí. Por ejemplo, ¿Existe relación entre el color de la piel y
el color del pelo? o ¿existe relación entre fumar cigarrillos y la predisposición a
desarrollar el cáncer de pulmón? H0 ≡ Los caracteres A y B son independientes H1
≡ Los caracteres A y B no son independientes.
CONTRASTES DE HOMOGENEIDAD

El problema general es determinar si varias muestras cualitativas se pueden

considerar procedentes de una misma población en cuyo caso decimos que las
muestras son homogéneas. Ejemplos de problemas de homogeneidad se pueden
plantear en términos de comprobar si varios tratamientos, que curan una misma
enfermedad, aplicados a un cierto tipo de enfermos son homogéneos respecto a los
resultados obtenidos.

REFERENCIAS

Averill M Law(2015) Simulation Modeling and Analysis 5e,Tucson, Arizona, USA.

F Lara Porras A.M. (2002). “Estadística para Ciencias Biológicas y Ciencias

Ambientales. Problemas y Exámenes Resueltos”. Ed. Proyecto Sur.