SIMULACIÓN DE SISTEMAS

ELECCIÓN DE LA DISTRIBUCIÓN DE
PROBABILIDAD Y ESTIMACIÓN DE
PARÁMETROS USANDO STAT:FIT
MÓDULO

12
Curso: Simulación de Sistemas
Módulo: Elección de la distribución de probabilidad y estimación de parámetros usando
STAT:FIT

© Universidad Privada del Norte, 2021

Educación Virtual
Av. El Derby 254, Lima Central Tower, Piso 14, Surco - Lima, Perú
www.upn.edu.pe

Primera edición digital

Todos los derechos reservados. Prohibida la reproducción total o parcial
de esta publicación sin previa autorización de la universidad.
Contenido

1. Ejercicio 1 3
1.1 Entrada de datos y manipulación tabla de datos 3
1.2 Determinación del tipo de distribución estadística 5
1.3 La distribución de Poisson 7
 SIMULACIÓN DE SISTEMAS

El presente material contiene ejercicios resueltos para reforzar los contenidos abordados en el
módulo.

1 EJERCICIO 1

Determinación del tipo de distribución estadística de un conjunto de datos.

Estos son los datos del número de automóviles que entran a una gasolinera cada hora:

14 7 13 16 16 13 14 17 15 16
13 15 10 15 16 14 12 17 14 12
13 20 8 17 19 11 12 17 9 18
20 10 18 15 13 16 24 18 16 18
12 14 20 15 10 13 21 23 15 18

Stat:Fit permite comparar los resultados entre varias distribuciones analizadas mediante una
calificación. Entre sus procedimientos se emplea las pruebas estadísticas Chi-cuadrada, de
Kolmogoro v-Smirnov y de Anderson-Darling.

Conjuntamente, calcula los parámetros apropiados para cada tipo de distribución e incluye
información estadística adicional como media, moda, valor mínimo, valor máximo y varianza,
entre otros datos. Stat:Fit se puede ejecutar desde la pantalla de inicio de Promodel, o bien desde
el comando Stat:Fit del menú Tools.

1.1. ENTRADA DE DATOS Y MANIPULACIÓN TABLA DE DATOS

Un nuevo proyecto se crea haciendo clic en el
icono new en la barra de control, o seleccionando
File en la barra de Menú y luego New en el
submenú. Esta acción genera un nuevo
documento de Stat:Fit, y muestra una tabla vacía
de datos (ver imagen 1). También de se pueden
copiar (copy) datos desde otra aplicación como
Excel o el block de notas y pegar (paste) en la
tabla de datos (Date Table).

Una vez introducida la información, es posible

seleccionar una serie de opciones de análisis
estadístico; entre ellas, las de estadística
descriptiva y de las pruebas de bondad de ajuste,
de las cuales nos ocuparemos.

Módulo 12: Elección de la distribución de probabilidad y estimación de parámetros

usando STAT:FIT pág. 3
 SIMULACIÓN DE SISTEMAS

Después de introducidos estos datos en Stat:Fit, despliegue el menú Statistics y seleccione

el comando Descriptive. Enseguida aparecerá una nueva ventana con el nombre de
Descriptive Statistics, en donde se muestra el resumen estadístico de la variable

Estádística descriptiva:
50
Número de datos (puntos):

Valor mínimo: 7
Valor máximo: 24
Media: 15.04
Mediana: 15
Moda: 15
Desviación estándar: 3.62199
Varianza: 13.1188
Coeficiente de variación: 24.0504
Asimetría: 0.126739
Curtosis: -0.121982

Módulo 12: Elección de la distribución de probabilidad y estimación de parámetros

usando STAT:FIT pág. 4
 SIMULACIÓN DE SISTEMAS

1.2. DETERMINACIÓN DEL TIPO DE DISTRIBUCIÓN ESTADÍSTICA

Para determinar el tipo de distribución de los datos, seleccione el comando Auto:Fit del
menú Fit en la pantalla principal de Stat:Fit. A continuación, se desplegará un cuadro de
diálogo similar al que se ilustra en la Imagen 3, en la cual se tiene que seleccionar el tipo de
distribución que se desea probar.

Para este ejercicio seleccionamos una distribución de tipo discreto (discrete distributions),
por tratarse de datos contables. Número de automóviles que llegan a la gasolinera por hora,
y esto es una variable aleatoria con esa característica.

En esta misma imagen, se debe seleccionar si la Distribución es: unbounded, no acotada en

ambos extremos; lower bound, si el límite inferior está acotado —en este caso se puede
aceptar la propuesta de que la cota del límite inferior sea el dato más pequeño de la
muestra—; assigned bound, o seleccionar explícitamente otro valor como límite inferior.
Haga clic en el botón Ok para que el proceso de ajuste se lleve a cabo.

El resultado se desplegará en la ventana Automatic Fitting, donde se describen las

distribuciones de probabilidades analizadas, su posición de acuerdo con el ajuste, y si los
datos siguen o no algunas de las distribuciones conocidas

En la imagen 4 se observa el resultado del análisis de ajuste del ejercicio, el cual nos indica
que no se puede rechazar la hipótesis de que los datos provengan de cualquiera de las dos
distribuciones Binomial con N=102 y p=0.148, o de Poisson,

Módulo 12: Elección de la distribución de probabilidad y estimación de parámetros

usando STAT:FIT pág. 5
 SIMULACIÓN DE SISTEMAS

Hacer clic en cualquiera de las dos distribuciones (ver imagen 5); enseguida, se desplegará
el histograma que se muestra; las barras azules representan las frecuencias observadas de
los datos; y la curva roja indica la frecuencia esperada de la distribución teórica.

El formato del histograma puede ser modificado mediante el comando Graphics style
(imagen 6) del menú Graphics. Esta opción está disponible solo cuando no se tiene activa la
ventana comparision Graphics.

Aquí puede cambiar el tipo de gráfico, la escala, el tipo de letra y colores.

Puede mostrar: un título para el gráfico, así como leyendas para cada uno de los ejes.

Módulo 12: Elección de la distribución de probabilidad y estimación de parámetros

usando STAT:FIT pág. 6
 SIMULACIÓN DE SISTEMAS

Prueba Chi-cuadrada:

Para n=50 datos, consideremos m=11 intervalos.

La media muestral es 15.04 y la varianza es 13.1188.
Permiten establecer la siguiente hipótesis.

Prueba de Hipótesis:
Ho: Poission (λ=15) Automóviles/hora
H1: Otra distribución
Cálculo de la media y la desviación estándar

∑ 14 + 7 + ⋯ . +18
= = = 15.04
50

2
∑( − ̿ )2 (14 − 15.04)2 + ⋯ (18 − 15.04)2
= = = 13.1188
−1 49

1.3. LA DISTRIBUCIÓN DE POISSON

−
( )= = 0,1,2, …
!

150 −15 151 −15 152 −15 153 −15 154 −15 155 −15
( = 0,1,2,3,4,5,6,7) = + + + + + +
0! 1! 2 3! 4! 5!

156 −15 157 −15

+ = 0.0180
6! 7!

POISSON.DIST(7,15,VERDADERO) = 0.018002193 Usando Excel :

158 −15 159 −15

( = 8,9) = + = 0.0519
8! 9!

POISSON.DIST(9,15,VERDADERO) - POISSON.DIST(7,15,VERDADERO) = 0.051851468

1510 −15 1511 −15

( = 10,11) = + = 0.1149
10! 11!

POISSON.DIST (11,15,VERDADERO) - POISSON.DIST(9,15,VERDADERO) = 0.114898138

1512 −15 1513 −15

( = 12,13) = + = 0.1785
12! 13!

Módulo 12: Elección de la distribución de probabilidad y estimación de parámetros

usando STAT:FIT pág. 7
 SIMULACIÓN DE SISTEMAS

POISSON.DIST(13,15,VERDADERO) - POISSON.DIST(11,15,VERDADERO) = 0.178466043

1514 −15 1515 −15

( = 14,15) = + = 0.20049
14! 15!

POISSON.DIST(15,15,VERDADERO) - POISSON.DIST(13,15,VERDADERO) = 0.204871733

1516 −15 1517 −15

( = 16,17) = + = 0.1808
16! 17!

POISSON.DIST(17,15,VERDADERO) - POISSON.DIST(15,15,VERDADERO) = 0.180769176

1518 −15 1519 −15

( = 18,19) = + = 0.1264
18! 19!

POISSON.DIST(19,15,VERDADERO) - POISSON.DIST(17,15,VERDADERO) = 0.126360033

1520 −15 1521 −15

( = 20,21) = + = 0.0717
20! 21!

POISSON.DIST(21,15,VERDADERO) - POISSON.DIST(19,15,VERDADERO) = 0.071674809

1522 −15 1523 −15

( = 22,23) = + = 0.0336
22! 23!

POISSON.DIST(23,15,VERDADERO) - POISSON.DIST(21,15,VERDADERO) = 0.033641832

1524 −15 1525 −15

( = 24,25) = + = 0.0133
24! 25!

POISSON.DIST(25,15,VERDADERO) - POISSON.DIST(23,15,VERDADERO) = 0.013279671

1526 −15 1527 −15

( = 26, … ) = + = 0.0062
26! 27!

POISSON.DIST(26 ,15,VERDADERO) -POISSON.DI ST(25,15,VERDADERO) = 0.00618488

Determinar la distribución de probabilidad con un nivel del 95 %, haciendo el contraste de

hipótesis siguiente:

{ 0: ( = 15.1) ℎ

1:

Módulo 12: Elección de la distribución de probabilidad y estimación de parámetros

usando STAT:FIT pág. 8
 SIMULACIÓN DE SISTEMAS

Intervalo Oi P(x) Ei =50*p(x) C

0-7 1 0.0180 0.9001 0.0111

8-9 2 0.0519 2.5926 0.1354

10-11 4 0.1149 5.7449 0.5300

12-13 10 0.1785 8.9233 0.1299

14-15 11 0.2049 10.2436 0.0559

16-17 10 0.1808 9.0385 0.1023

18-19 6 0.1264 6.3180 0.0160

20-21 4 0.0717 3.5837 0.0483

22-23 1 0.0336 1.6821 0.2766

24-25 1 0.0133 0.6640 0.1700

26-- 0 0.0062 0.3092 0.3092

2
De tablas: 0.05,10 = 18.307
2
Por tanto: < 0.05,10

Los resultados nos indican que no podemos rechazar la hipótesis de que la variable aleatoria
se comporta de acuerdo con una distribución de Poisson, con una media de 15 automóviles
por hora.

Módulo 12: Elección de la distribución de probabilidad y estimación de parámetros

usando STAT:FIT pág. 9
 SIMULACIÓN DE SISTEMAS

La prueba Chi-cuadrado para un nivel de confianza (chi**2[4,0.05]) de 95 % y grado de

libertad 4 de los 5 intervalos (net bins) en que dividió los datos 4.4 <9.49 , con un valor
p-value de 0.355, concluyendo que no hay evidencia para rechazar la hipótesis Ho. Es decir,
la distribución se comporta como una Distribución Lognormal.

La prueba Kolmogorov-Smirnov obtuvo 0.133 < ks-stat(50,0.05)=0.188, para p-valor=0.311,

concluyendo que no hay evidencia para rechazar la hipótesis Ho. Es decir, la distribución se
comporta como una Distribución Lognormal.

Módulo 12: Elección de la distribución de probabilidad y estimación de parámetros

usando STAT:FIT pág. 10
2021 © UPN. Todos los derechos reservados

pág. 6