Prctica 1: Variables Aleatorias y Simulacin

Objetivos especficos
Al finalizar esta prctica debers ser capaz de: Calcular las funciones de probabilidad y distribucin de las variables discretas Bernoulli, binomial, Poisson, geomtrica, binomial negativa e hipergeomtrica. Interpretar correctamente su significado. Calcular valores de las funciones de densidad y de distribucin para las variables continuas exponencial y normal. Interpretar correctamente su significado. Comprobar empricamente propiedades reproductivas de las variables, utilizando la generacin de nmeros aleatorios. Utilizar la simulacin para estimar la fiabilidad de un sistema. 1. Clculo de funciones de probabilidad y de distribucin y de percentiles para algunas variables aleatorias discretas y continuas A pesar de que generalmente se usan las hojas de clculo para manejar tablas, tambin se incluyen en estas herramientas una serie de funciones que permiten calcular los valores de las funciones de probabilidad y de distribucin para un conjunto de variables aleatorias discretas y continuas proporcionando funciones de densidad y de distribucin y en algunos casos tambin el clculo de percentiles. El acceso a estas facilidades se realiza de diversas maneras, como por ejemplo, seleccionando las opciones de insercin de funciones haciendo click sobre fx y luego especificando la categora estadsticas.

Figura 1: Funciones estadsticas y de probabilidad disponibles en MS-Excel

Entre la coleccin de funciones estadsticas de variables aleatorias discretas, aparecen las siguientes: - DISTR.BINOM: devuelve el valor de la funcin de probabilidad o de la funcin de distribucin de una variable aleatoria binomial. El primer argumento de la funcin (NM_XITO) es el valor de la variable, x. El segundo (ENSAYOS) y tercer (PROB_XITO) argumentos son los valores de los parmetros n y p, respectivamente. Si el cuarto argumento (ACUMULADO) vale 0, calcular la funcin de probabilidad P(X=x); y si es distinto de 0, la funcin de distribucin F(x)=P(Xx). DISTR.HIPERGEOM: devuelve el valor de la funcin de probabilidad, P(X=x), de una variable aleatoria con distribucin hipergeomtrica. El primer parmetro (MUESTRA_XITO) es el valor de la variable, x. El parmetro NM_DE_MUESTRA es el tamao de la muestra seleccionada, es decir, el parmetro n de la distribucin. El parmetro POBLACIN_XITO es el nmero de xitos que hay en la poblacin, es decir, el parmetro D de la distribucin. Finalmente, el parmetro NM_DE_POBLACIN es el tamao de la poblacin, es decir, el valor del parmetro N de la distribucin. NEGBINOMDIST: devuelve el valor de la funcin de probabilidad, P(X=x), de una variable aleatoria con distribucin binomial negativa. El primer argumento (NM_FRACASOS) es el valor de la variable, x. Los argumentos NM_XITOS y PROB_XITOS son los parmetros n y p de la distribucin binomial negativa, respectivamente. POISSON: devuelve el valor de la funcin de probabilidad o de la funcin de distribucin de una variable aleatoria de Poisson. El primer argumento (X) es el valor de la variable, x. El segundo (MEDIA) es la media de la distribucin de Poisson, que coincide con el parmetro . Si el argumento ACUMULADO vale 0, calcular la funcin de probabilidad P(X=x); y si es distinto de 0, la funcin de distribucin F(x)=P(Xx).
Nota: Como las funciones DISTR.HIPERGEOM y NEGBINOMDIST no tienen el argumento ACUMULADO, para calcular valores de la funcin de distribucin deberemos calcular nosotros las sumas acumuladas utilizando las funciones de Excel.

Ejercicio.- Realizar el Ejercicio 6 del final de la prctica. Con relacin a las funciones estadsticas de variables aleatorias continuas, se tienen: DISTR.EXP: devuelve el valor de la funcin de densidad o de la funcin de distribucin de una variable aleatoria exponencial. El primer argumento (X) es el valor de la variable, x. El segundo (LAMBDA) coincide con el parmetro de la exponencial (es decir, el inverso de la media de la variable). Igual que antes, si el argumento ACUM vale 0, calcular la funcin de densidad f(x); y si es distinto de 0, la funcin de distribucin F(x)=P(Xx). DISTR.NORM: devuelve la funcin de densidad o la de distribucin de una variable aleatoria con distribucin normal. El argumento X es el valor de la variable, x. Los argumentos MEDIA y DESV_ESTNDAR son precisamente los parmetros y de la distribucin normal. El argumento ACUM tiene el mismo significado de siempre. DISTR.NORM.ESTAND: esta funcin devuelve el valor de la funcin de distribucin de una

variable aleatoria con distribucin normal estndar, es decir, con media 0 y desviacin tpica 1. Slo tiene, por tanto, un argumento (Z) que es el valor de la variable, z. DISTR.NORM.ESTAND.INV: devuelve el cuantil de orden p de una distribucin normal estndar. Slo tiene un parmetro que es precisamente el valor de la probabilidad acumulada. PROBABILIDAD.DISTR.NORM.INV: devuelve el cuantil de orden p de una distribucin normal con media igual a MEDIA y desviacin tpica igual a DESV_ESTNDAR. El valor de p es el argumento PROBABILIDAD.
Nota: Es muy importante recordar el significado que tiene la funcin de densidad en las variables aleatorias continuas. No podemos olvidar que, en el caso continuo, la funcin de densidad, f(x), no representa la probabilidad de que la variable aleatoria X tome el valor x. Esta probabilidad, P(X=x), en el caso continuo vale siempre 0.

Ejercicio.- Realizar el Ejercicio 7 del final de la prctica. 2. Simulacin En el mundo actual, tanto en el rea de ingeniera, negocios, as como en la industria y en el gobierno, la mayora de los proyectos son a gran escala y requieren una fuerte inversin econmica. Estos proyectos reales requieren estudios previos a su construccin o modificacin, que contemplan la construccin de un modelo lo ms parecido posible al sistema real. Con tal modelo, el proceso de ensayar sobre l se llama simular. Uno de los objetivos de la simulacin es realizar ensayos de cambios en el sistema probndolos en el modelo con el fin de elegir la mejor alternativa y as enfrentarse mejor a una realidad que vara de da a da. La simulacin permite la descripcin de situaciones complejas y ayuda a la localizacin de los aspectos relevantes del problema. En la mayora de los sistemas reales intervienen una gran cantidad de variables aleatorias. Por ejemplo, cuando se compra en el mercado, el nmero de artculos distintos que pide un cliente es una variable aleatoria discreta; o el tiempo que se debe esperar hasta que le toca el turno a alguien es otra variable aleatoria, continua en este caso. Si en el proceso de simulacin intervienen variables aleatorias hablaremos de simulacin estocstica o probabilstica. Algunas de las ventajas de la simulacin son: - La teora necesaria para su desarrollo est ya desarrollada para la mayora de casos. - Su gran flexibilidad, que permite la agregacin de mltiples relaciones e interdependencias entre las variables que intervienen. - Permite tratar problemas planteados en amplios periodos de tiempo, comprimiendo su estudio a tan slo unos minutos. La hoja de clculo Excel tiene implementadas funciones para la generacin de nmeros aleatorios de algunas distribuciones de probabilidad dentro del men de funciones estadsticas avanzadas.

Figura 2: Uso de Excel para anlisis estadstico Para acceder a estas funciones tenemos que seleccionar la opcin de men DATOS>ANLISIS DE DATOS, tal y como muestra la Figura 2. Al hacerlo, se tendr en una ventana la opcin de GENERACIN DE NMEROS ALEATORIOS (ver Figura 3).

Figura 3: Cuadro de opciones de anlisis de datos del excel Al seleccionar esto, se accede a la ventana de dilogo de la Figura 4, donde, al desplegar las opciones de la casilla DISTRIBUCIN, se pueden ver las variables aleatorias de las que Excel es capaz de generar muestras.

Figura 4. Panel de generacin de nmeros aleatorios. UNIFORME: genera datos aleatorios de una distribucin uniforme de los parmetros especificados. NORMAL: genera datos con una distribucin normal de la media y desviacin tpica especificadas. BERNOULLI: genera observaciones de una distribucin de Bernoulli con el parmetro especificado. BINOMIAL: genera datos de una distribucin binomial con el nmero de ensayos y la probabilidad de xito especificados. POISSON: genera datos Poisson con la tasa (media) especificada. DISCRETA: genera datos de una distribucin discreta que deseemos. Debemos introducir en la hoja de clculo dos columnas conteniendo los valores que toma la variable (a la izquierda) junto con las probabilidades con que toma esos valores (a la derecha). Evidentemente, las probabilidades deben sumar 1. En la misma ventana de dilogo de la Figura 4, se debe introducir el NMERO DE VARIABLES que se desea generar (esto es, el nmero de columnas independientes) y la CANTIDAD DE NMEROS ALEATORIOS (nmero de filas). Los nmeros generados con el computador son, en realidad, nmeros pseudo aleatorios, es decir, cada nmero de una secuencia depende del nmero anterior. El primer punto de la secuencia est determinado por una semilla aleatoria que, si se desea, puede especificarse en la casilla INICIAR CON. Esta caracterstica permite generar la misma secuencia de nmeros aleatorios, en caso necesario. Ejercicio.- Realizar los Ejercicios 8 y 9 del final de la prctica.

3. Sistemas serie Supongamos que se tiene un sistema serie como el de la Figura 5, en el que cada componente funciona independientemente de las restantes.

Figura 5: Sistema de tres componentes dispuestas en serie Si se asume que la fiabilidad de la componente A es pA=0.9, la de B es pB=0.8 y la de C es pC=0.85. Asumiendo que tiene probabilidades independentes entre s, la fiabilidad del sistema se obtiene multiplicando estas tres cantidades. As: Fiabilidad sistema = 0.90.80.85 = 0.612 Para calcular una estimacin de esta fiabilidad, se debe disear el siguiente experimento. Generar datos aleatorios Bernoulli con valores de p igual a 0.9, 0.8 y 0.85, utilizando la opcin del men DATOS>ANLISIS DE DATOS>GENERACIN DE NMEROS ALEATORIOS, seleccionar la distribucin BERNOULLI con los valores anteriores para el parmetro (ver Figura 4). Los unos indicarn que la componente est funcionando y los ceros que no lo est. Una vez hecho esto, el archivo de datos presentar una forma como la de la Figura 6.

Figura 6. Muestra de nmeros aleatorios generados segn Bernoulli A continuacin, se calcula cundo est funcionando el sistema de la siguiente forma: como es un sistema serie, funcionar si lo hacen las tres componentes, es decir, si las variables A, B y C tienen un 1 en la casilla correspondiente. Y el sistema no funcionar si alguna de las variables tiene un 0. As, por ejemplo, si se observa que en la Figura 6, en la tercera fila

de la tabla, la variable C tiene un cero (es decir, la componente C no funciona) y por tanto, el sistema no funcionar. La quinta fila de la variable C tiene un cero, por tanto, el sistema tampoco funcionar. Sin embargo, en la primera fila. las variables A, B y C tienen un 1, es decir, las tres componentes del sistema serie funcionan, y por lo tanto, el sistema tambin lo har. De esta forma se construye una columna que ser indicadora del funcionamiento del sistema. Para hacerlo automticamente, una de las posibilidades es seleccionar por la opcin del men que aparece luego de hacer click sobre fx y escoger FUNCIN>LGICAS>Y. La funcin lgica Y devuelve VERDADERO si todos los argumentos de la funcin son verdaderos y devuelve FALSO si todos los argumentos son falsos. Otra opcin es construir una columna que sea el producto de las columnas A, B y C. Esta columna valdr uno si todos los valores que multiplica son iguales a uno; y cero, si hay algn valor distinto de uno. En cualquiera de los dos casos, el resultado se puede ver en la Figura 6.

Figura 6. Resultado de la operacin lgica Y Para terminar, queda calcular la tabla de frecuencias de esta nueva columna con la opcin INFORME DE TABLAS Y GRFICOS DINMICOS que es simple de usar, u otros clculos que nos ayuden al anlisis del problema. La frecuencia relativa del nmero de VERDADERO (si se elige la primera opcin) o de unos (si se opta por la segunda) ser una estimacin de la fiabilidad del sistema.

a) Seleccin de datos para generar reporte de tabla dinmica

b) Especificacin de formato de valores en una tabla dinmica Figura 7: Construccin de una tabla dinmica para anlisis de resultados Para los valores anteriores, se obtiene la siguiente tabla:

Figura 8. Reporte de tabla dinmica para el ejemplo de sistema en serie Con los datos obtenidos, una estimacin de la fiabilidad del sistema es 0.61 (la fiabilidad real 0.612). Lgicamente, cuantas ms simulaciones, mejores resultados.

4. Sistemas paralelo Ahora se analizar un sistema paralelo como el de la Figura 9, en el que cada componente funciona con independencia de las restantes y que las fiabilidades de las componentes son pA=0.9, pB=0.8 y pC=0.85.

A B C
Figura 9: Sistema de tres componentes dispuestos en paralelo En este caso, considerando la estructura del sistema la fiabilidad terica ser igual a: Fiabilidad sistema = 1-(1-0.9)(1-0.8)(1-0.85)=0.997 El experimento diseado es anlogo al anterior. Lo nico que cambia es la funcin que se

va a utilizar para construir la columna con unos y ceros que d el funcionamiento del sistema. En este caso, la funcin lgica a utilizar es la funcin O que devuelve VERDADERO si alguno de los argumentos es verdadero; y FALSO, si todos son falsos (el sistema funciona si lo hace alguna de las componentes). El resultado de esta operacin se muestra en la Figura 10.

Figura 10. Resultados de la simulacin de un sistema en paralelo. As, con los datos obtenidos, una estimacin de la fiabilidad del sistema es 1 (la fiabilidad exacta era 0.997). Ejercicio.- Realizar los Ejercicios 10 y 11 del final de la prctica.

Prctica Calificada Nro. 1 Apellidos y Nombre: Cdigo Grupo: PRIMERA PARTE: Parte analtica Ejercicio 1.- Suponga que en un bloque de B bits, la ocurrencia de errores de bits es independiente con probabilidad Pe. Es usual que la probabilidad de error de un bloque PB se aproxime mediante PB BPe. Encontrar las condiciones bajo las cuales esta suposicin es justificada. Ejercicio 2.- Considere un protocolo de datos del tipo ARQ, en donde para el control de errores, los paquetes se transmiten junto con bits de redundancia de manera tal que pueden detectarse errores y de ser el caso, proceder a su retransmisin. Si los paquetes son de 1024 bits y adems se emplea un cdigo corrector capaz de corregir paquetes con un solo bit errado y de detectar aquellos donde hubieran dos o ms bits errados, calcular: a) Si Pe=10-4 y los errores de bit son independientes, Cul es la probabilidad de retransmisin? b) Graficar la probabilidad de retransmisin del paquete como una funcin de Pe c) Suponga ahora que se pueden corregir dos bits errados en el paquete, repita (b) en la misma grfica. d) Un canal inalmbrico se puede modelar como que se encuentra en dos estados: bueno o malo, con probabilidades 0.95 y 0.05, respectivamente. Cuando est en el estado malo la probabilidad de recibir un bit errado es de 0.01 y es de 0.00001 si el canal est en el estado bueno. Si se observa un error, Cul es la probabilidad de que el canal est en mal estado? Ejercicio 3.- A un switch de datos llegan mensajes segn Poisson con un promedio de 10 mensajes en un intervalo de 3 minutos. Calcular la probabilidad de que lleguen menos de 175 mensajes en una hora cargada. Ejercicio 4.- A un nodo de red se conectan tres lneas de entrada. Las velocidades par alas lneas 1, 2 y 3 son respectivamente 15, 10 y 25 mensajes por minuto. Calcular: a) Cul es la probabilidad de que lleguen 5000 mensajes lleguen en la hora? b) Cul es la probabilidad de que el trfico por la lnea 3 exceda al del resto? (Pregunta difcil). Ejercicio 5. Suponga que 10 terminales accesan aleatoriamente a una lnea sncrona TDMA. En cada slot un terminal intenta transmitir su mensaje con probabilidad 0.1. Como no hay coordinacin entre ellos, los mensajes pueden colisionar, in cuyo caso cada terminal volver a intentarlo en el siguiente slot. Calcular: a) La probabilidad de colisin b) La probability de que el mensaje sea capaz de transmitir en un slot c) Nmero promedio de slots requeridos por un mensaje de un terminal particular para transmitir exitosamente.

SEGUNDA PARTE: Parte Experimental Ejercicio 6.- Para las variables aleatorias discretas indicadas, completa la tabla siguiente:

Ejercicio 7.- Para las variables aleatorias discretas indicadas, completa la tabla siguiente:

Ejercicio 8.- Analice el juego de La Tinka, determine cul es la probabilidad de ganar el juego con 6 aciertos, y cuanto debera ser el pozo para que comprando boletos de jugada mltiple (con 15 nmeros marcados) asegure que definitivamente es una inversin rentable. Ejercicio 9.- (Comprobacin de la no reproductividad de la variable aleatoria uniforme). Simula cien datos de dos variables aleatorias uniformes en [0, 1]. Calcular una nueva variable sumando las dos anteriores y realizar un anlisis descriptivo de la variable resultado obtenida, representndola grficamente mediante un histograma. A la vista del histograma, Se puede decir que la variable resultado sigue una distribucin uniforme?. Justifique su respuesta: ________________________________________________________________________ ________________________________________________________________________ ________________________________________________________________________ ________________________________________________________________________ ________________________________________________________________________ ________________________________________________________________________ Ejercicio 10.- (Comprobacin emprica del teorema central del lmite). Simular cien datos de treinta variables aleatorias con una distribucin exponencial de parmetro 2 (Exp (2)). Smalas y realiza un anlisis descriptivo de la variable que has calculado. A la vista de los resultados de este estudio, indicar qu variable aleatoria usted sugiere para describir el comportamiento de la variable obtenida: ...........................................

Justificar adecuadamente su respuesta ________________________________________________________________________ ________________________________________________________________________ ________________________________________________________________________ ________________________________________________________________________ ________________________________________________________________________ ________________________________________________________________________ Ejercicio 11.- Disear un experimento para estimar la fiabilidad del sistema de la figura y comparar la estimacin obtenida con la fiabilidad real, teniendo en cuenta que la fiabilidad de cada componente es 0.8 y que las componentes funcionan independientemente.

Fiabilidad terica: Fiabilidad estimada: Ejercicio 12.- Disear un experimento para estimar la fiabilidad de la estructura puente de la figura teniendo en cuenta que la fiabilidad de cada componente es 0.9 y que los componentes funcionan independientemente unas de otras. Ejecutar el experimento nuevamente con 100, 500 y 1000 experimentaciones y compara los resultados obtenidos.

Fiabilidad terica: Fiabilidad estimada (100 experimentos): Fiabilidad estimada (500 experimentos): Fiabilidad estimada (1000 experimentos): Ejercicio 13.- Disear un experimento para estimar la fiabilidad de la estructura puente de la figura teniendo en cuenta que la fiabilidad de cada componente es 0.9 y que los componentes funcionan independientemente unas de otras. Volver a ejecutar el experimento con 100, 500 y 1000 experimentaciones y compara los resultados obtenidos.

El profesor del curso Basado en el trabajo de Isolina Alberto Moralejo. Universidad de Zaragoza
(http://metodosestadisticos.unizar.es/asignaturas/21205)