INDICE
Captulo 1......
3-15
1.2 Introduccin..
5-6
1.2.2 Objetivos..
1.3 Fundamentos.
7-12
7-8
8-9
9-11
11-12
1.4 Mtodo..
13-15
Captulo 2......
16-29
16-26
2.2 Conclusiones.
27
2.3 Recomendaciones.
28
2.4 Bibliografa..
29
CAPTULO I
1.2 INTRODUCCIN
1.2.1 DESCRIPCIN DEL TRABAJO
En el presente trabajo se realiz la comparacin, de la probabilidad emprica y
terica, del
1.2.2 OBJETIVOS
1.2.2.1 Objetivo General:
Comparar la probabilidad emprica y terica del evento: Frecuencia con la que
transitan los autobuses de la ruta 44-M y 44-T, en intervalos de 15 minutos, en
la parada de la Universidad de El Salvador, frente a Anda, entre la 1:00 pm y
2:00 pm; por medio de la realizacin de tablas de probabilidad y grficas
puntuales, de las mismas; para asignar, si es posible, un modelo estadstico
que permita describir, de la mejor manera, al evento.
1.2.2.2
Objetivos Especficos
1.3
FUNDAMENTOS
Dnde:
Su funcin de probabilidad es
Donde
8
Siendo
(Las combinaciones de
en
( elementos tomados de
en )
Propiedades:
La media:
La varianza:
1.3.3 DISTRIBUCIN HIPERGEOMTRICA
En teora de la probabilidad la distribucin hipergeomtrica es una
distribucin discreta relacionada con muestreos aleatorios y sin reemplazo.
Los experimentos que tienen este tipo de distribucin tienen las siguientes
caractersticas:
a) Al realizar un experimento con este tipo de distribucin, se esperan dos
tipos de resultados.
b) Las probabilidades asociadas a cada uno de los resultados no son
constantes.
c) Cada ensayo o repeticin del experimento no es independiente de los
dems.
d) El nmero de repeticiones del experimento (n) es constante.
Supngase que hay un lote relativamente pequeo que consiste en N artculos,
de los cuales k tienen defectos. Si se muestrean dos de ellos en forma
sucesiva, entonces el resultado de la segunda extraccin depende en gran
medida de lo que haya sucedido en la primera, siempre que el primer objeto
9
seleccin igual a
1
N
n
( )
( Nn )
(kx )
maneras distintas, y la
seleccin de n-x artculos del otro tipo es un evento que puede suceder de
( Nk
nx )
ocurrir es
k
(kx )( Nnx
)
10
k N k
(
x )( nx )
p ( x )=
( Nn )
k
(kx)( Nnx
) , x=0,1, , n ; x k , nk Nk ;
p ( x ; N , n ,k )=
( Nn )
0, para cualquier otro valor
De la distribucin de Pascal
1p
, obtenida a partir de un
p ( n; k , p ) = n1 p k
k1
( )
x1 p ( 1 p ) , x=0,1,2 , k=1,2,
( k +k1
)
k
P ( x ; p )= p(1p) , x=0,1,2, .
12
1.4 METODOLOGA
1.4.1 INFORMACIN RELEVANTE DE LOS FUNDAMENTOS
Las distribuciones consideran los siguientes parmetros para describir su
funcin de probabilidad:
1. La distribucin de Poisson tiene como media E(x)=
2. La distribucin Binomial considera la probabilidad de xito p en un ensayo
y el nmero de ensayos n.
3. La distribucin Hipergeomtrica considera el nmero total de elementos N;
el nmero de elementos que se toma como muestra n y el nmero de
elementos de un tipo (los que llevan a xito si son seleccionados) k.
4. La distribucin Binomial Negativa, considera el nmero de xitos k y la
probabilidad de xito p.
1.4.2 INSTRUMENTO DE RECOLECCIN DE DATOS
Desde el da lunes 7 hasta el da 11 de octubre de 2013, se anot, en la parada
que corresponde a la Universidad de El Salvador frente al edificio de Anda, las
frecuencias de los autobuses de las rutas 44-M y 44-T en la siguiente tabla:
Fecha:
Ruta:
I
N [1:00-1:15)
T
E
R [1:15-1:30)
V
A
L
[1:30-1:45)
O
S
p
m
44-M
44-T
44-M
44-T
[1:45-2:00)
13
44-M
44-T
44-M
44-T
44-M
44-T
Modelo comparado
a) Poisson
b) Binomial
c) Hipergeomtrica
14
15
CAPTULO II
16
7-10-13
44-M 44-T
||
|||
8-10-13
44-M 44-T
||||
9-10-13
44-M 44-T
||
|||
10-10-13
44-M 44-T
|
|||
11-10-13
44-M 44-T
||
||
|||
|||
|||
||
|||
|||
||
|||
|||
|||
||
|||
||
||
||
|||
|||
|||
[1:45-2:00)
Frecuencia (44-M)
2
5
8
5
0
0
0
Frecuencia
(44-T)
1
6
2
10
1
0
0
Frecuencia
(44)
1
0
1
2
10
4
2
44-M
36
44-T
44
44
80
Frecuencia
2
5
8
5
20
f(xi)
0.1
0.25
0.4
0.25
1
Parmetro =E(X)=
xi f ( xi )
i=0
=1.8
Comparacin de la probabilidad emprica y terica de la funcin de
probabilidad de Poisson, y sus correspondientes acumulativas
X f(xi)
F(xi)
0 0.1
1 0.2
0.1
0.35
0.1653
0.2975
0.1653
0.4628
5
0.4
0.2
5
0.75
1
0.2678
0.1607
0.7306
0.8913
2
3
P ( X=x )=
(1.8) 1.8
e
x!
18
Fp(xi) (Poisson)
0.5
0.4
0.3
Probabilidad
emprica
0.2
Poisson
0.1
0
0 0.5 1 1.5 2 2.5 3 3.5
Comparacin grfica de la
probabilidad emprica y terica de la funcin de probabilidad de Poisson.
0.6
Poisson
0.4
0.2
0
0
0.5
1.5
2.5
19
3.5
20
frecuencia
1
6
2
10
1
20
f(xi)
0.05
0.30
0.1
0.5
0.05
1
Parmetro =E(X)=
xi f ( xi )
i=0
=2.2
Comparacin de la probabilidad emprica y terica de la funcin de
probabilidad de Poisson, y sus correspondientes acumulativas.
X f(xi)
F(xi
)
0 0.0
5
1 0.3
0
2 0.1
3 0.5
4 0.0
5
0.05
0.1108
0.1108
0.35
0.2438
0.3546
0.45
0.95
1
0.2681
0.1966
0.1081
0.6227
0.8193
0.9274
(2.2) 2.2
P ( X=x )=
e
x!
21
Fp(xi)
0.6
0.5
0.4
Probabilidad emprica
0.3
Poisson
0.2
0.1
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
0.6
Poisson
0.4
0.2
0
0
0.5
1.5
2.5
22
3.5
4.5
23
Frecuencia
1
0
1
2
10
4
2
20
f(xi)
0.05
0
0.05
0.1
0.5
0.2
0.1
1.0
N= x i f ( x i )=4
i=0
p:
p=
36
80
0.1
0.2
36
80
44
80
( )( ) ( )
p( X =x)= N
X
0.1
0.35
0.0915
0.2995
24
4x
Fp(xi)
0.0915
0.391
2
3
4
5
0.4
0.2
5
0
0.75
1
0.3675
0.2005
0.7585
0.959
0.0410
Probabilidad emprica
0.2
Binomial
0.15
0.1
0.05
0
0
0.5
1.5
2.5
3.5
4.5
25
1.2
1
0.8
Probabilidad emprica
0.6
Poisson
0.4
0.2
0
0
0.5
1.5
2.5
3.5
4.5
26
T)
Xi
0
1
2
3
4
5
6
tot
al
Frecuenci
a
1
0
1
2
10
4
2
20
F. Relativa f(Xi)
0.05
0
0.05
0.1
0.5
0.2
0.1
1.0
xi f ( xi )
As el promedio N=
i=0
Entonces
N=4
n y k:
Frecuencia relativa (f(xi)) de autobuses de la ruta 44-T
X
0
1
2
3
4
tot
al
Frecuen
cia
1
6
2
10
1
20
Frecuencia
Relativa
0.05
0.30
0.1
0.5
0.05
1
Media (emprica)=k
27
k=
xi f ( xi )
i=0
k=2.2
k aproximadamente = 2
k=2
f(xi)
F(xi)
P(X=x)
2
( 2x)( N2x
)
( 42)
0.05
0.05
0.1667
0.30
0.35
0.6667
2
3
4
0.1
0.5
0.05
0.45
0.95
1
0.1667
0
0
F(xi)
0.166
7
0.833
3
1
1
1
28
0.8
0.7
0.6
0.5
Probabilidad empirica
0.4
Hipergeometrica
0.3
0.2
0.1
0
0
0.5
1.5
2.5
3.5
4.5
29
2.2 CONCLUSIONES
1) La variable aleatoria x= nmero de autobuses de la ruta 44-M que transitan
en intervalos de 15 minutos entre la 1:00 y 2:00 p.m. puede ser no puede ser
descrita por el modelo de distribucin de Poisson
2) La variable aleatoria x=nmero de autobuses de la ruta 44-T que transitan
en intervalos de 15 minutos entre la 1:00 y 2:00 p.m., entre los da Lunes y
Viernes no puede ser descrita por el modelo de distribucin de Poisson.
3) La variable aleatoria x= nmero de autobuses de la ruta 44-M que transitan
en intervalos de 15 minutos entre la 1:00 y 2:00 p.m. puede ser descrita por un
modelo de distribucin Binomial.
4) La variable aleatoria x=nmero de autobuses de la ruta 44-T que transitan
en intervalos de 15 minutos entre la 1:00 y 2:00 p.m., entre los da Lunes y
Viernes no puede ser descrita por un modelo de distribucin hipergeomtrico.
30
2.3 RECOMENDACIONES
1) Para realizar una comparacin con un modelo de distribucin Binomial
Negativo, es necesario, en la contabilizacin de las frecuencias, el orden en
que aparecen los dos tipos de autobuses (para el caso que aqu se trat).
31
2.4 BIBLIOGRAFA
1) Probabilidad y Estadstica para Ingeniera, Richar L. Scheaffer, James T.
Mc Clave. Grupo Editorial Iberoamrica.
2) Probabilidad y Estadstica, Aplicaciones y Mtodos, George Canavos 1988,
Mc Graw Hill.
3)http://www.itch.edu.mx/academic/industrial/sabaticorita/_private/03Ddistr
%20Hipergeometrica.htm
4) es.wikipedia.org/wiki/Distribucin_Binomial
5) es.wikipedia.org/wiki/Distribucin_Poisson
32