Variable Aleatoria Discreta

Distribucion Bernoulli

Funcion de distribucion p(x) = p^x(1 - p)^1-x; x

LOS DATOS HISTORICOS SOBRE LA FRECUENCIA DE PAROS (POR FALLA) DE UNA MÁQUINA DE EMPACADO MU
UNA PROBABILIDAD DE 0.2 DE QUE ESTA FALLE (x=1) Y DE 0.8 DE NO FALLE (x=0), EN UN DIA DETER

DISEÑA UN MODELO DE SIMULACIÓN QUE MUESTRE SU COMPORTAMIENTO.

Probabilidad puntual DÍA ri

x 0 1 1 0.42857143
p(x) 1-p p 2 0.28571429
3 0.71428571
Probabilidad acumulada 4 0.57142857
x 0 1 5 1
p(x) 1-p 1 6 0.85714286
7 0.14285714
Generamos ri - U(0-1) y aplicamos la regla 8 0
p(x)=(0.2)^x(0.8)^1-x 9 0.42857143
10 0.28571429
Calculamos prob puntual y acumulada 11 0.71428571
x 0 1 12 0.57142857
p(x) 0.8 0.2 13 1
P(x) 0.8 1 14 0.85714286
15 0.14285714
Regla para generar variable aleatoria 16 0.136
si ri ->[0 - 0.8] ; x = 0 17 0.682
si ri ->[0.8 - 1] ; x = 1 18 0.591
19 0.955
20 0.545
21 0.091
22 0.864
23 0.909
24 0.727
25 0.409
26 0.636
27 0.773
28 0.227
29 0.318
30 1.000
a

p(x) = p^x(1 - p)^1-x; x=0,1

MÁQUINA DE EMPACADO MUESTRAN QUE EXISTE

ALLE (x=0), EN UN DIA DETERMINADO.

U COMPORTAMIENTO.

x EVENTO
0 NO FALLA
0 NO FALLA
0 NO FALLA
0 NO FALLA
1 SI FALLA
1 SI FALLA
0 NO FALLA
0 NO FALLA
0 NO FALLA
0 NO FALLA
0 NO FALLA
0 NO FALLA
1 SI FALLA
1 SI FALLA
0 NO FALLA
0 NO FALLA
0 NO FALLA
0 NO FALLA
1 SI FALLA
0 NO FALLA
0 NO FALLA
1 SI FALLA
1 SI FALLA
0 NO FALLA
0 NO FALLA
0 NO FALLA
0 NO FALLA
0 NO FALLA
0 NO FALLA
1 SI FALLA
 VARIABLE ALEATORIA CONTINUA
DISTRIBUCION POISSON

EL NÚMERO DE PIEZAS QUE ENTRAN EN UN SISTEMA DE PRODUCCIÓN, SIGUE UNA DISTRIBUCIÓN PO

SIMULAR EL COMPORTAMIENTO DE LLEGADA DE LAS PIEZAS AL SISTE

P(x)= ƛˣ e¯ƛ / x!
Ecuacion sustituida
P(x)= 2ˣ e¯² / x! X= 0,1,2,3,…….n

Calcular la probabilidad puntual y acumulada Generamos reglas para la variable aleatoria

Probabilida Probabilidad
x Valor de x Lim inferior Lim superior
d puntual acomulada
0 0.135 0.135 X=0 ,si el RI 0 0.135
1 0.271 0.406 X=1 ,si el RI 0.135 0.406
2 0.271 0.677 X=2 ,si el RI 0.406 0.677
3 0.180 0.857 X=3 ,si el RI 0.677 0.857
4 0.090 0.947 X=4 ,si el RI 0.857 0.947
5 0.036 0.983 X=5 ,si el RI 0.947 0.983
6 0.012 0.995 X=6 ,si el RI 0.983 0.995
7 0.003 0.999 X=7 ,si el RI 0.995 0.999
8 0.001 1.000 X=8 ,si el RI 0.999 1.000
9 0.000 1.000 X=9 ,si el RI 1.000 1.000
10 0.000 1.000 X=10 ,si el RI 1.000 1.000
11 0.000 1.000 X=11 ,si el RI 1.000 1.000
12 0.000 1.000 X=12 ,si el RI 1.000 1.000
13 0.000 1.000 X=13 ,si el RI 1.000 1.000
 A CONTINUA
POISSON

GUE UNA DISTRIBUCIÓN POISSON CON MEDIA 2 PIEZAS/HORA.

ADA DE LAS PIEZAS AL SISTEMA.

X=1,2,3,…….
cion sustituida
x! X= 0,1,2,3,…….n

la variable aleatoria Simulacion del resultado de la variable X

Horas Ri Piezas/Hora

0 1 0.909 4
1 2 0.727 3
2 3 0.409 2
3 4 0.636 2
4 5 0.773 3
5 6 0.227 1
6 7 0.318 1
7 8 1.000 13
8 9 0.364 1
9 10 0.818 3
10 11 0.045 0
11 12 0.000 0
12 13 0.182 1
13 14 0.500 2
15 0.273 1
16 0.136 1
17 0.682 3
18 0.591 2
19 0.955 5
20 0.545 2
21 0.091 0
22 0.864 4
23 0.909 4
24 0.727 3
25 0.409 2
26 0.636 2
27 0.773 3
28 0.227 1
29 0.318 1
30 1.000 13
 PREGUNTAS

¿Cuál es la variable a simular?

Son los números generados por el algoritmo lineal

Plantear una situación de acuerdo al caso y responda ¿Cómo se

interpretarian los resultados obtenidos?
Bermoulli -Determinar si habrá falla al trasladar mercancia de un
lugar a otro considerando los diversos obstaculos que se
presenten en el transcurso.

Poisson: Determinar las piezas que se elaboraran en una linea de

producción

De manera breve explique ¿Cuál fue el proceso de simulación

que se siguio?

Primero se generan los números con el algoritmo lineal y

despues, en base a esos, determinar la probabilidad acumulada y
puntual, generar la regla para las variables aleatorias, para
terminar simular los resultados.