SIMULACIN

Prctica #1
Determinar la Distribucin de los datos de una Simulacin

Objetivos:

Utilizar la herramienta Stat::Fit de Promodel con la finalidad de determinar la

distribucin de probabilidad a partir de un conjunto de datos
o Realizar contraste de Hiptesis usando los estadsticos Anderson- Darling,
Chi-Cuadrad y Kolmogorov-Smirnov.
o Graficar los datos de entrada y graficar todas las distribuciones de
probabilidad que se pueden utilizar.
o Obtener estadstica descriptiva de datos.

La herramienta Stat: :Fit de ProModel se utiliza para analizar y determinar el tipo de

distribucin de probabilidad de un conjunto de datos. Esta programa permite comparar los
resultados entre varias distribuciones analizadas mediante una calificacin. Entre sus
procedimientos: emplea las pruebas Chi-cuadrada, de Kolmogorov-Smirnov y de AndersonDarlng. Adems calcula los parmetros apropiados para cada tipo de distribucin, e incluye
informacin estadstica adicional como media, moda, valor mnimo, valor mximo y
varianza, entre otros datos.
Ejercicio: Determinacin del tipo de distribucin estadstica de un conjunto de datos
Estos son los datos del nmero de automviles que entran a una gasolinera cada
hora.
14

13

16

16

13

14

17

15

16

13

15

10

15

16

14

12

17

14

12

13

20

17

19

11

12

17

18

20

10

18

15

13

16

24

18

16

18

12

14

20

15

10

13

21

23

15

18

Pg. 1

Determine la distribucin de probabilidad con nivel de significancia del 5%

Introduccin

Ajuste de Curvas. Te ayuda a encontrar la mejor distribucin para representar los

datos. Stat::fit utiliza las pruebas de Bondad de Ajuste ms comnmente
conocidas, como son:
a. Anderson-Darling.
b. Chi-Cuadrada.
c. Kolmogorov-Smirnov.

Stat::Fit permite comparar los resultados entre varias distribuciones analizadas mediante
una calificacin. Entre sus procedimientos emplea las pruebas estadsticas Chi-cuadrada, de
Kolmogoro v-Smirnov y de Anderson-Darling. Conjuntamente calcula los parmetros
apropiados para cada tipo de distribucin, e incluye informacin estadstica adicional como
media, moda, valor mnimo, valor mximo 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 men
Tools. Entrada de datos y manipulacin 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 men y luego
New en el submen, esta accin genera un nuevo documento de Stat::Fit , y muestra una
tabla vaca de datos (ver imagen 1) . Tambin de se pueden copiar (copy) datos desde otra
aplicacin como Excel o el block de notas y pegar (paste) en la tabla de datos (Date Table).
Imagen 1: Tabla de Datos
Una vez introducida la informacin es posible
seleccionar una serie de opciones de anlisis
estadstico, entre ellas las de estadstica
descriptiva y de las pruebas de bondad de ajuste,
de las cuales nos ocuparemos.
Despus de introducido estos datos en Stat:Fit,
despliegue el men Statistics y seleccione el
comando Descriptive . En seguida aparecer una
nueva ventana con el nombre de Descriptive
Statistics, en donde se muestra el resumen
estadstico de la variable (ver Imagen 2)

Pg. 2

Imagen 2: Ventana de resultados de estadsticos descriptivos

Estadstica descriptiva:
Nmero de datos (puntos)

50

Valor mnimo

Valor mximo

24

Media

15.04

Mediana

15.

Moda

15

Desviacin estndar

3.62199

Varianza

13.1188

Coeficiente de variacin

24.0504

Asimetra

0.126739

Curtosis

-0.121982

Pg. 3

Determinacin del tipo de distribucin estadstica:

Para determinar el tipo de distribucin de los datos, seleccione el comando Auto::Fit del
men Fit en la pantalla principal de Stat::Fit. A continuacin se desplegar un cuadro de
dilogo similar al que se ilustra en la Imagen 3, en la cual se tiene que seleccionar el tipo de
distribucin que se desea probar. Para este ejercicio seleccionamos una distribucin de tipo
discreto: discrete distributions por tratarse de datos contables (nmero de automviles
que llegan a la gasolinera por hora, y esto es una variable aleatoria con esa caracterstica.
Imagen 3: Selecciona el tipo de variable aleatoria.
En esta misma imagen 3, se debe
seleccionar si la Distribucin es:
unbounded: no acotada en ambos
extremos); lower bound: si el lmite
inferior est acotado, en este caso se
puede aceptar la propuesta de que la cota
del lmite inferior sea el dato ms
pequeo de la muestra; assigned bound :
o seleccionar explcitamente otro valor
como lmite inferior. Haga clic en el botn
Ok para que el proceso de ajuste se lleve
a cabo.

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

distribuciones de probabilidades analizadas, su posicin 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 anlisis de ajuste del ejercicio, el cual nos indica que no se puede rechazar la
hiptesis de que los datos provengan de cualquiera de las dos distribuciones Binomial con
N=102 y p=0.148, o de Poisson, con media 15.
Imagen 4

Haga clic en cualquiera de

las distribuciones.

Pg. 4

Hacer clic en cualquiera de las dos distribuciones ver imagen 5; en seguida se desplegar el
histograma que se se muestra; las barras azules representan la frecuencias observadas de
los datos; la curva roja indica la frecuencia esperada de la distribucin terica.
El formato del histograma puede ser modificado mediante el comando Graphics style
(imagen 6) del men Graphics esta opcin est disponible solo est disponible cuando o se
tiene activa la ventana comparision Graphics.
Imagen 5: Comparacin grfica

Imagen 6: Estilo del Grfico.

Aqu puede cambiar el tipo de
grfico, la escala, el tipo de letra y
colores.
Puede mostrar: un ttulo para el
grfico, as como leyendas para
cada uno de los ejes.

Pg. 5

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 hiptesis.

Prueba de Hiptesis:
Ho: Poission (=15) Automviles/hora
H1: Otra distribucin.

Calculo de la media y la desviacin estndar.

x 14 7 ... 18
X
15.04
n
50

S2

(x x)
n 1

(14 15.04) 2 ...(18 15.04) 2

13.1188
49

La Distribucin Poisson:

p ( x)

x e
x!

x 0,1,2,...

150 e 15 151 e 15 152 e 15 153 e 15

0!
1!
2!
3!
156 e 15 157 e 15

0.0180
6!
7!

p ( x 0,12,3,4,5,6,7)
154 e 15 155 e 15

4!
5!

POISSON.DIST(7,15,VERDADERO) = 0.018002193

(usando Excel)

158 e 15 159 e 15

0.0519
8!
9!
POISSON.DIST(9,15,VERDADERO)- POISSON.DIST(7,15,VERDADERO) = 0.051851468
p( x 8,9)

1510 e 15 1511e 15
p( x 10,11)

0.1149
10!
11!
POISSON.DIST(11,15,VERDADERO)- POISSON.DIST(9,15,VERDADERO) = 0.114898138

Pg. 6

1512 e 15 1513 e 15

0.1785
12!
13!
POISSON.DIST(13,15,VERDADERO)- POISSON.DIST(11,15,VERDADERO) = 0.178466043
p( x 12,13)

1514 e 15 1515 e 15

0.2049
14!
15!
POISSON.DIST(15,15,VERDADERO)- POISSON.DIST(13,15,VERDADERO) = 0.204871733
p( x 14,15)

1516 e 15 1517 e 15

0.1808
16!
17!
POISSON.DIST(17,15,VERDADERO)- POISSON.DIST(15,15,VERDADERO) = 0.180769176
p( x 16,17)

1518 e 15 1519 e 15

0.1264
18!
19!
POISSON.DIST(19,15,VERDADERO)- POISSON.DIST(17,15,VERDADERO) = 0.126360033
p( x 18,19)

1520 e 15 1521e 15

0.0717
20!
21!
POISSON.DIST(21,15,VERDADERO)- POISSON.DIST(19,15,VERDADERO) = 0.071674809
p( x 20,21)

1522 e 15 1523 e 15
p( x 22,23)

0.0336
22!
23!
POISSON.DIST(23,15,VERDADERO)- POISSON.DIST(21,15,VERDADERO) = 0.033641832

1524 e 15 1525 e 15

0.0133
24!
25!
POISSON.DIST(25,15,VERDADERO)- POISSON.DIST(23,15,VERDADERO) = 0.013279671
p( x 24,25)

1526 e 15 1527 e 15

0.0062
26!
27!
POISSON.DIST(26 o ms,15,VERDADERO)-POISSON.DIST(25,15,VERDADERO) = 0.00618488
p( x 26,...)

Pg. 7

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

hiptesis siguiente:
: ( = 15.1)
{ 0
1 :

Intervalo

Oi

P(x)

Ei=50*p(x)

0-7

0.0180

0.9001

0.0111

8-9

0.0519

2.5926

0.1354

10-11

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

0.1264

6.3180

0.0160

20-21

0.0717

3.5837

0.0483

22-23

0.0336

1.6821

0.2766

24-25

0.0133

0.6640

0.1700

26--

0.0062

0.3092

0.3092

Los resultados nos Indican que no podemos rechazar la hiptesis de que la variable
aleatoria se comporta de acuerdo con una distribucin de Poisson, con una media de 15
automviles por hora.

Pg. 8

Usando el men de Ajuste del Stat::Fit; hacemos clic en el men Fit y luego en la opcin
Goodness of Fit (Ajuste). Para realizar las pruebas Chi-cuadrada.

La prueba Chi-cuadrada para un nivel 95%, 6 grados de libertad versus la chi-cuadrada de

los 7 intervalos en que dividi los datos. 12.6 >2.16 con una p-valor 0.905. Concluyendo
que No hay evidencia para rechazar la hiptesis Ho. Es decir la distribucin se comporta
como una Distribucin Poisson.
La prueba Kolmogorov-Smirnov obtuvo 0.0448 < ks-stat(50,0.05)=0.188, para p-valor=1
Concluyendo que No hay evidencia para rechazar la hiptesis Ho. Es decir la distribucin
se comporta como una Distribucin Poisson.

Pg. 9

Determinar con un nivel de confianza de 95%, que tipo de distribucin siguen los datos,
usar los estadsticos Chi-cuadrada. Use Stat::Fit.
0.488
0.995
0.088
0.149
0.731
0.591
0.745
0.307
0.084
0.967

0.116
0.908
0.382
0.427
0.313
0.781
0.005
0.692
0.080
0.280

0.731
0.183
0.707
0.743
0.908
0.850
0.256
0.905
0.160
0.333

0.094
0.146
0.413
0.434
0.845
0.048
0.845
0.046
0.028
0.531

0.684
0.633
0.581
0.260
0.937
0.580
0.445
0.128
0.714
0.285

0.093
0.567
0.254
0.738
0.607
0.346
0.777
0.766
0.454
0.504

0.368
0.058
0.440
0.300
0.025
0.723
0.896
0.366
0.913
0.837

0.090
0.507
0.447
0.302
0.787
0.245
0.513
0.302
0.666
0.681

0.761
0.780
0.251
0.314
0.608
0.535
0.335
0.302
0.213
0.209

0.420
0.139
0.870
0.423
0.078
0.610
0.194
0.833
0.373
0.626

Pg. 10