UNIVERSIDAD NACIONAL DE CAJAMARCA

ESCUELA ACADEMICO PROFESIONAL DE

INGENIERIA DE MINAS

CURSO: GEOESTADÍSTICA

TEMAS:
 TEOREMA DE LÍMITE CENTRAL.
 MÉTODO DE TRANSFORMACIÓN INVERSA.
 MÉTODO DE MONTECARLO.
 EL TEOREMA DEL LÍMITE CENTRAL

El teorema del límite central es un teorema fundamental de

probabilidad y estadística. El teorema establece que la distribución de ,
que es la media de una muestra aleatoria de una población con
varianza finita, tiene una distribución aproximadamente normal cuando
el tamaño de la muestra es grande, independientemente de la forma de la
distribución de la población.

El tamaño que debe tener la muestra depende de la forma de la

distribución. Si la distribución de la población es simétrica, un tamaño
de muestra de 5 podría generar una aproximación adecuada, es
marcadamente asimétrica, se requiere un tamaño de muestra de 50 o más.
Una población que sigue una distribución uniforme es simétrica, pero
marcadamente no normal, como lo indica el primer histograma.
Sin embargo, la distribución de 1000 medias de la muestra (n=5) de
esta población es aproximadamente normal debido al teorema del
límite central, como lo demuestra el segundo histograma. Este
histograma de medias de la muestra incluye una curva normal
superpuesta para ilustrar esta normalidad.
¿QUÉ ES ESTADÍSTICA DESCRIPTIVA Y ESTADÍSTICA
INFERENCIAL?

ESTADÍSTICOS
DESCRIPTIVOS

Los estadísticos descriptivos proporcionan un resumen conciso de

los datos. Usted puede resumir los datos de forma numérica o gráfica.
Por ejemplo, el gerente de un restaurante de comida rápida
rastrea los tiempos de espera de los clientes durante la hora de
almuerzo por una semana y resume los datos.
ESTADÍSTICOS
INFERENCIALES

Los estadísticos inferenciales utilizan una muestra aleatoria de

datos tomada de una población para describir y hacer inferencias
acerca de la población. Los estadísticos inferenciales son valiosos
cuando no es conveniente o posible examinar cada miembro de una
población entera.
¿CUÁL ES LA DIFERENCIA ENTRE UNA POBLACIÓN Y UNA
MUESTRA?

POBLACIÓ
N

Es el conjunto de individuos, objetos o eventos

que tienen la misma característica y sobre todo
el que estamos interesados en obtener
conclusiones. Este subconjunto de la población se
denomina muestra.

MUESTR
A
Es una parte de la población, la cual se
selecciona con el propósito de obtener
información. Debe ser representativo. Si la
muestra es aleatoria y lo suficientemente
grande, usted puede utilizar la información
obtenida de la muestra para hacer inferencias
sobre la población.
¿QUÉ ES UNA DISTRIBUCIÓN DE
MUESTREO?

Una distribución de muestreo describe la probabilidad de obtener

cada valor posible de un estadístico de una muestra aleatoria de
una población.
¿QUÉ ES UN
PARÁMETRO?
Los parámetros son medidas descriptivas de toda una población que
se utilizan como las entradas para una función de distribución
de probabilidad (PDF) con el fin de generar curvas de distribución.
 MÉTODO DE LA TRANSFORMACIÓN INVERSA
El método de la transformación inversa puede utilizarse para
simular variables aleatorias continuas, lo cual se logra mediante la
función acumulada f(x) y la generación de números pseudoaleatorios ri ~U
(0,1).

El método consiste
en:

 Definir la función de Densidad f(x)

que representa la variable a
modelar.
 Calcular la función acumulada f(x).
 Despejar la variable aleatoria x
y obtener la función
acumulada inversa f(x)-1.
 Generar las variables aleatorias
x, sustituyendo valores con
números pdeudoaleatorios ri ~U
(0,1) en la función acumulada
inversa.
 o r r
' '1'

1 IJJ(. Óll d f (1n id

' / . ." - .'

• • ' ,;'_..! •
J.

"'- .
••• 1
.
•
Metodología para generar variables aleatorias discretas.

1
Distribuc[ión de
R.3) proba'billidad
0.25

.
o f

Uo
1

a
o
n

D
i
s
t
r
i
b
u
c
i
ó
DISTRIBUCIÓN UNIFORME

A partir de la función de la densidad de las variables aleatorias

uniformes entre a y b.

 Se obtiene la función acumulada.

 Igualando la función acumulada F(x) con el número

pseudoaleatorio ri ~U (0,1), y despejando x se obtiene:
DISTRIBUCIÓN DE BERNOULLI

A partir de la distribución de probabilidad de las variables aleatorias

de Bernoulli con media.

Se calculan las probabilidades

para x=0 y x=1, para obtener:

Acumulando valores de
los p(x) se
obtiene:

Generando números pseudoaleatorios ri ~U (0,1) se aplica la regla:

Ejemplo:
x = F-1(r)

Donde:
r = es el numero distribuido u (0,1).
F-1 = La inversa de la funció n acumulada de la distribució n
deseada.
x = el nú mero distribuido de acuerdo a la
distribució n deseada.
 VENTAJAS Y DESVENTAJAS DE
MÉTODO DE TRANSFORMACIÓN
INVERSA

Ventajas:
 facilita algunas técnica de la reducció n de
varianza especialmente cuando es
necesario la sincronizació n de nú meros
aleatorios.
 Muy ú til para generar una variable
aleatoria al azar que se pequeñ a.
Desventajas:
 En algunos casos es una aproximació n
muy eficiente.
SIMULACIÓN DE
MONTECARLO
Es la aproximación a la solución de un problema por medio
del muestreo de un proceso al azar.
Los orígenes de esta técnica están ligados al
trabajo desarrollado por Stan Ulam y John Von Neumann a
finales de los 40 en el laboratorio de Los Álamos, cuando
investigaban el movimiento aleatorio de los neutrones.
¿QUÉ ES LA SIMULACIÓN DE MONTE
CARLO?
•La simulación de Monte Carlo es una
técnica cuantitativa que hace uso de la
estadística y los ordenadores para imitar,
mediante modelos matemáticos, el
comportamiento aleatorio de sistemas reales no
dinámicos (por lo general, cuando se trata de
sistemas cuyo estado va cambiando con el paso del
tiempo, se recurre bien a la simulación de eventos
discretos o bien a la simulación de sistemas
continuos).
¿DÓNDE SE DESARROLLO?
El uso de los métodos de Monte Carlo
como herramienta de investigación,
proviene del trabajo realizado en el
desarrollo de la bomba atómica durante la
Segunda Guerra Mundial en el Laboratorio
Nacional de Los Átomos en EE.UU.

El método se llamo así en referencia al

Casino de Monte Carlo (Principado de
Mónaco) por ser “La capital del juego de
azar”, ala
ruleta un ser
generador
la de
simple aleatorios. El números el
nombrey
sistemático de los métodos de desarrollo
Monte
Carlo datan aproximadamente de 1944
y se mejoraron enormemente con el
desarrollo de la computadora.
PERMITE QUE:
La simulación de Monte Carlo es una técnica que
permite llevar a cabo la valoración de los proyectos de
inversión, considerando uno o varias de las variables que
se utilizan para la determinación de los flujos de caja.

La técnica de la simulación de Monte Carlo se basa en

simular la realidad a través del estudio de una muestra
que se ha generado de forma totalmente aleatoria.
GRACI
AS