Modelacin Estocstica
Unidad 1 Evidencia de Aprendizaje
Introduccin
Para entrar en materia definimos Estocstico (del griego stockhastes: adivino) es decir que se encuentra ligado al azar. Se le
define como un proceso en el cual, a cada instante, existe una probabilidad bien determinada de ocurrencia de cada uno de los
estados en los que se puede encontrar el sistema; esta probabilidad depende, en general, de cules hayan sido los estados
efectivamente alcanzados en instantes anteriores.
En un anlisis de dependencias, primeramente, definimos que los procesos con variables dependientes que evolucionan en el
tiempo y/o espacio requieren tcnicas propias de anlisis para modelizarlas y as poder obtener predicciones de valores futuros.
As la dependencia entre observaciones (), en la teora de los procesos estocsticos que es la base para el anlisis de variables
que varan en funcin del t, del espacio, o de ambos,
Donde un proceso estocstico es un conjunto o familia de variables aleatorias indexadas por un conjunto T, ()/
}, } Si T es de R, ser variacin en una dimensin -como es el caso de las series de tiempo-.
Si = {(, ) 2 } En este caso, T es un conjunto de ndices y las () se conocen como campos aleatorios (random
fields). As el conocimiento de estos procesos permitir el estudio y prediccin de procesos espaciales.
El Teorema de Kolmogorov, determina las condiciones necesarias para el conocimiento del proceso en los casos en lo que es
posible determinar la distribucin de cualquier subconjunto finito de variables aleatorias. La condicin es que la distribucin de
la variable aleatoria ( 1) dimensiones obtenida a travs del proceso, coincide con la distribucin marginal de la variable
aleatoria ( 1), obtenida de la distribucin de la variable aleatoria de n dimensiones.
Una muestra es un conjunto formado por los valores que toma la ( ) al repetir m veces el experimento en un pinto fijo ( ),
del conjunto de ndices, siendo que en cada instante t la variable () tendr su distribucin de probabilidad
Una trayectoria es el resultado de ejecutar el experimento, una sola vez, en distintos puntos del conjunto de ndices y el
resultado de una trayectoria es la medicin del experimento aleatorio en los instantes 1 , 2 , . . . , o en las coordenadas
1 , 2 , . . . ,
Una serie de N datos ser una muestra de un vector de N variables ordenadas en el conjunto de subndices = 1,2, . . . , y la
serie observada es una realizacin o trayectoria del proceso.
Series discretas
Notacin: ()
Las observaciones se toman a intervalos regulares de t:
(), ( + ), ( + 2), . ..
El objetivo es determinar la estructura de dependencia entre las observaciones para obtener un modelo que sirva para explicar,
predecir la evolucin futura de la variable observada y, en su caso, controlar el proceso.
La validacin de modelos busca detectar si una distribucin de probabilidades supuesta es congruente con un conjunto de datos
dado. Para esto se utilizan pruebas de bondad de ajuste tales como la prueba chicuadrado o la prueba de KolmogorovSmirnov.
Sea 1 , . . . , los resultados obtenidos a partir de una muestra aleatoria de la cual se ha asumido que su distribucin de
probabilidades est determinada por la funcin de probabilidad () o la funcin de densidad de probabilidad 0 (), se
plantea la hiptesis nula : () = 0 (), especificada de manera completa con respecto a todos los parmetros.
La evaluacin de este supuesto se hace sobre los datos obtenidos a partir de una muestra de tamao n los cuales se clasifican en
k categoras (en caso discreto, en caso continuo los datos deben ser discretizados), el nmero de datos que caen en la isima
categora es fi , = ; la frecuencia observada en la isima categora se compara con , el nmero de datos que se
Estas pruebas permiten verificar que la poblacin de la cual proviene una muestra tiene una distribucin especificada o supuesta.
Sea X: variable aleatoria poblacional y 0 () la distribucin (o densidad) de probabilidad especificada o supuesta para X. Se
desea probar la hiptesis:
: () = 0 ()
espera observar en la isima categora si la hiptesis nula es correcta. es rechazada si existe una diferencia significativa entre
lo observado y lo esperado. La prueba de bondad de ajuste Chicuadrado ( 2 ) es calculada de, 2 = =1
( )2
y tiene k
1 grados de libertad. 2 tiende a cero si 0 es cierta. La potencia de la prueba aumenta si el nmero (k) de categoras
aumenta
Prueba Chi-Cuadrado
Esta prueba es aplicable para variables aleatorias discretas o continuas. Tomando una muestra aleatoria de tamao n de una
poblacin con una distribucin especificada 0 (), suponiendo que las observaciones de la muestra estn agrupadas en k clases,
siendo la cantidad de observaciones en cada clase = 1, 2, . . . , . Mediante el modelo especificado 0 () es posible calcular
la probabilidad que un dato cualquiera pertenezca a una clase i.
Con este valor de probabilidad se puede encontrar la frecuencia esperada para la clase i, es decir, la cantidad de datos que
segn el modelo especificado deberan estar incluidos en la clase i: = , = 1, 2, . . . ,
Tenemos entonces dos valores de frecuencia para cada clase i.
: ( )
: ( )
Dado un nivel de significancia se define un valor crtico 2 para el rechazo de la hiptesis propuesta 0 : () = 0 (). Si
las frecuencias observadas no difieren significativamente de las frecuencias esperadas calculadas con el modelo propuesto,
entonces el valor de estadstico de prueba 2 ser cercano a cero, pero si estas diferencias son significativas, entonces el valor
del estadstico 2 estar en la regin de rechazo de 0
Hiptesis a contrastar:
0 : .
1 : .
Estadstico de contraste:
Donde:
es el i-simo valor observado en la muestra (cuyos valores se han ordenado previamente de menor a mayor).
( )es un estimador de la probabilidad de observar valores menores o iguales que .
0 () es la probabilidad de observar valores menores o iguales que xi cuando 0 es cierta.
As pues, D es la mayor diferencia absoluta observada entre la frecuencia acumulada observada () y la frecuencia
acumulada terica 0 () , obtenida a partir de la distribucin de probabilidad que se especifica como hiptesis nula.
Si los valores observados () son similares a los esperados 0 (), el valor de D ser pequeo. Cuanto mayor sea la
discrepancia entre la distribucin emprica 0 () y la distribucin terica , mayor ser el valor de D.
( 0 |0 ) = ( > | ) =
siendo el nivel de significacin del contraste.
Para el clculo prctico del estadstico D deben obtenerse:
Por tanto, el criterio para la toma de la decisin entre las dos hiptesis ser de la forma:
0
> 0
donde el valor se elige de tal manera que:
A su vez, el valor D depende del tipo de distribucin a probar y se encuentra tabulado, en general es de la forma:
como, = 6 [ 2 +
(3)2
4
Su principal desventaja que es necesario calcular los valores crticos para cada distribucin. Es muy sensible en los
extremos de la distribucin, por lo que debe ser usada con mucho cuidado en distribuciones con lmite inferior
acotado, y no es confiable para distribuciones de tipo discreto.
Analiza los datos dados en cada caso, y determina su comportamiento probando tu propuesta
2
a travs de la prueba de Bondad de Ajuste .
Establece S y T.
Elabora el histograma de Frecuencias
Encuentra media y varianza
Establece la propuesta de distribucin de probabilidad estableciendo los usos de la distribucin de probabilidad
planteada.
Variable aleatoria:
: Nmero de refrescos light que son vendidos en el da t
Espacio de estados:
: {1,2,3, 14}
fi
5
6
7
8
9
10
11
12
13
14
Recoleccin de datos
6
4
3
10
7
8
6
6
9
6
65
(5 + 14)
= 9.5
2
Frecuencia esperada
=
= (0.2)(65)
= 13
Lmite Inferior
1
2
3
4
5
Amplitud
5
7
9
11
13
Lmite Superior
1
1
1
1
1
Foi
6
8
10
12
14
(FEi-FOi) 2
FEi
10
13
15
12
15
65
13
13
13
13
13
9
0
4
1
4
(FOi-FOi) 2/FEi
0.692307692
0
0.307692308
0.076923077
0.307692308
1.384615385
Comparativo de frecuencias
Foi
16
FEi
15
14
13
13
15
13
13
13
13
12
12
10
10
Foi
10
13
15
12
15
FEi
13
13
13
13
13
Hiptesis
:
:
Tenemos que:
2 = 1.38461538461538
2 0.05,6 = 5.99146
Tal que 2 2 5%,6 es decir, es verdad que 1.38461538461538 5.99146 as entonces es verdadera la , y se rechaza la hiptesis alternativa
:
:
Por lo que el modelo es el adecuado.
3.
El encargado de la calidad en una empresa que fabrica focos led, realiza la inspeccin diaria de 60 focos teniendo el nmero
de focos sin falla, se consideraron 50 das.
Variable aleatoria:
: Nmero de focos sin falla en el da t.
Espacio de estados:
: {0,1,2,3 57}
FRECUENCIA
1
0
0
0
0
3
6
3
6
3
7
8
5
4
3
1
50
En qu modelo probabilstico encaja mejor el comportamiento que presentan los focos sin falla en el
periodo establecido? Binomial
10
7
7
5
5
4
4
0
Series1
10
11
12
13
14
15
16
Clculo de Probabilidad
=
=
=1
(42 1) + (47 3) + (48 6) + (49 3) + (50 6) + (51 3) + (52 7) + (53 8) + (54 5) + (55 4) + (56 3) + (57 1)
(50 60)
= 2574/3000 = 0.858
Varianza: 2 = = (1 )
2 = 50 0.858 (1 0.858) = 6.0918
Tabla de frecuencias
11
i
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
fi
1
0
0
0
0
3
6
3
6
3
7
8
5
4
3
1
Columna1
9.2503E+14
3.87222E+14
1.49608E+14
5.31941E+13
1.73459E+13
5.16686E+12
1.39936E+12
3.427E+11
75394027566
14783142660
2558620845
386206920
50063860
5461512
487635
34220
p
0.858
0.858
0.858
0.858
0.858
0.858
0.858
0.858
0.858
0.858
0.858
0.858
0.858
0.858
0.858
0.858
q
0.142
0.142
0.142
0.142
0.142
0.142
0.142
0.142
0.142
0.142
0.142
0.142
0.142
0.142
0.142
0.142
pi
0.0016
0.0014
0.0012
0.0010
0.0009
0.0007
0.0006
0.0006
0.0005
0.0004
0.0003
0.0003
0.0003
0.0002
0.0002
0.0002
q N-i
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0001
0.0004
0.0029
Columna2
0.0
0.0
0.0
0.0
0.0
0.0
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.0
0.0
1.0
i
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
fOi
1
0
0
0
0
3
6
3
6
3
7
8
5
4
3
1
Columna2
0.0
0.0
0.0
0.0
0.0
0.0
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.0
0.0
(Fe i-Foi)2
0.92
0.01
0.06
0.27
1.05
1.34
8.89
2.15
0.00
16.27
0.13
1.67
0.06
0.29
1.28
0.04
FEi
0.04
0.10
0.24
0.52
1.02
1.84
3.02
4.47
5.94
7.03
7.36
6.71
5.25
3.46
1.87
0.79
(Fe i-Foi)2/Fe i
22.43
0.10
0.24
0.52
1.02
0.72
2.95
0.48
0.00
2.31
0.02
0.25
0.01
0.08
0.69
0.05
31.89
Comparativo de Frecuencias
9
8
8
7.36
7.03
6.71
6
6 5.94
5
5
5.25
4.47
4
3.46
3.02
1.02
1
1
0.79
0.52
0.04
0
1.87
1.84
0 0.10
0.24
10
11
12
13
14
15
Series1
Series2
0.04
0.10
0.24
0.52
1.02
1.84
3.02
4.47
5.94
7.03
7.36
6.71
5.25
3.46
1.87
0.79
Series1
16
Series2
Hiptesis
:
:
12
Tenemos que:
2 = 31.89
Tal que
2
5%,6
2
0.05,6
= 23.6848
es decir, no es verdad que 31.89 23.6848 as entonces no es verdadera la , y se acepta la hiptesis alternativa
:
:
13
4. Se hace un experimento con una urna de 8 bolas blancas y 10 bolas negras y se extraen 7 bolas, se hace el experimento 50
veces teniendo como resultado, se contabilizan las bolas blancas:
Establece S y T.
Elabora el histograma de Frecuencias
Variable aleatoria:
: Nmero de bolas blancas extradas en el experimento n
Espacio de estados:
: {0,1,2,3 7}
14
i
1
2
3
4
5
6
fi
1
8
21
18
1
1
50
25
21
20
18
15
10
8
1
0
fi
21
18
Clculo de Probabilidad
15
Media: =
= 50 0.4657 = 23.285
Varianza:
= = (1 )
2 = 50 0.4657 (1 0.4657) = 23.285 0.5343 = 12.4411
=
=1
i
1
2
3
4
5
6
fi
1
8
21
18
1
1
Columna1
7
21
35
35
21
7
p
0.4657
0.4657
0.4657
0.4657
0.4657
0.4657
q
0.5343
0.5343
0.5343
0.5343
0.5343
0.5343
pi
0.4657
0.2169
0.1010
0.0470
0.0219
0.0102
q N-i
0.0233
0.0435
0.0815
0.1525
0.2855
0.5343
Columna2
0.1
0.2
0.3
0.3
0.1
0.0
1.0
Frecuencias Esperadas
i
fOi
Pi
FEi
(Fei-Foi)2
(Fei-Foi)2/Fei
0.0758
3.7921
7.7961
2.0559
0.1983
9.9158
3.6703
0.3701
21
0.2881
14.4045
43.5009
3.0200
18
0.2511
12.5551
29.6475
2.3614
5
6
1
1
0.1313
0.0382
6.5658
1.9076
30.9787
0.8238
4.7182
0.4318
12.9573
Comparativo de Frecuencias
25
20
15
10
21
18
Series2
3.7921
9.9158
14.4045
12.5551
6.5658
1.9076
Series1
Series2
HIPTESIS
:
:
0
Series1
16
lmite inferior
amplitud
lmite superior
24
fOi
1
8
21
18
1
1
1 = 0.05
POI
0.02
0.16
0.42
0.36
0.02
0.02
POAi
0.02
0.18
0.6
0.96
0.98
1
PEi
0.075842969
0.198315949
0.288089517
0.251101044
0.131316964
0.038152293
PEAi
0.075842969
0.274158917
0.562248434
0.813349478
0.944666442
0.982818734
Mxima Diferencia
= 50
17
|PEAi-POAi|
0.055842969
0.094158917
0.037751566
0.146650522
0.035333558
0.017181266
0.146650522
5. Se contabiliza el tiempo que tarda en reparacin el wifi en horas, teniendo los siguientes resultados:
1.71
1.84
1.77
1.39
3.20
2.46
2.07
1.37
2.13
1.89
1.40
2.37
1.49
1.56
2.21
1.58
2.04
3.23
1.19
2.57
3.09
1.48
1.47
2.13
2.13
2.76
1.93
2.19
1.47
2.55
2.91
2.05
1.71
1.42
2.13
2.02
1.23
1.84
2.29
1.56
2.83
1.51
2.43
2.28
3.00
2.08
2.32
1.64
1.96
1.28
Variable aleatoria:
: Horas que tarda en repararse el wifi en el tiempo t
Espacio de estados:
: [1, 4]
10
10
frecuencia
6
5
4
4
3
2
1
0
Series1
10
10
5
10
4
8
8
4
4
1
3
3
50
12
18
intervalo
1
2
3
4
5
6
7
8
9
10
Lmite
inferior
1.19
1.394
1.598
1.802
2.006
2.21
2.414
2.618
2.822
3.026
amplitud
0.204
0.204
0.204
0.204
0.204
0.204
0.204
0.204
0.204
0.204
Lmite
superior
1.394
1.598
1.802
2.006
2.21
2.414
2.618
2.822
3.026
3.23
fi
xi
fixi
xi-
(xi-)
5
10
4
8
8
4
4
1
3
3
50
1.292
1.496
1.7
1.904
2.108
2.312
2.516
2.72
2.924
3.128
6.46
14.96
6.8
15.232
16.864
9.248
10.064
2.72
8.772
9.384
100.504
2.01008
-0.71808
-0.51408
-0.31008
-0.10608
0.09792
0.30192
0.50592
0.70992
0.91392
1.11792
0.515638886
0.264278246
0.096149606
0.011252966
0.009588326
0.091155686
0.255955046
0.503986406
0.835249766
1.249745126
= 1.19
= 3.23
[, ] = [1.19, 3.23]
=
2 =
( )2 (3.23 1.19)2
=
= 0.3468
12
12
() =
() =
= =
= 0.204
= 1.19
0.204
() =
0
= 3.23
0.204
0.204
1
1
=
= 0.1
(3.23 1.19) 0
0
19
intervalo
1
2
3
4
5
6
7
8
9
10
Lmite
inferior
1.19
1.394
1.598
1.802
2.006
2.21
2.414
2.618
2.822
3.026
amplitud
0.204
0.204
0.204
0.204
0.204
0.204
0.204
0.204
0.204
0.204
Lmite
superior
1.394
1.598
1.802
2.006
2.21
2.414
2.618
2.822
3.026
3.23
FOi
Pi(x)
Fe i
5
10
4
8
8
4
4
1
3
3
50
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
5
5
5
5
5
5
5
5
5
5
50
fi(xi-)
2.578194432
2.642782464
0.384598426
0.090023731
0.076706611
0.364622746
1.023820186
0.503986406
2.505749299
3.749235379
13.91971968
0.284075912
Comparativo de Freciencias
12
10
10
10
Series1
10
Series2
HIPTESIS
:
:
Lmite
inferior
1.19
1.394
1.598
1.802
2.006
2.21
2.414
2.618
2.822
3.026
amplitud
0.204
0.204
0.204
0.204
0.204
0.204
0.204
0.204
0.204
0.204
Lmite
superior
1.394
1.598
1.802
2.006
2.21
2.414
2.618
2.822
3.026
3.23
FOi
POI
POAi
PEi
PEAi
|PEAi-POAi|
5
10
4
8
8
4
4
1
3
3
50
0.1
0.2
0.08
0.16
0.16
0.08
0.08
0.02
0.06
0.06
0.1
0.3
0.38
0.54
0.7
0.78
0.86
0.88
0.94
1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0.0000
0.1000
0.0800
0.1400
0.2000
0.1800
0.1600
0.0800
0.0400
0.0000
Mxima Diferencia
1 = 0.05
= 50
0.2
intervalo
1
2
3
4
5
6
7
8
9
10
20
79.00
74.71
78.17
70.91
77.49
79.27
76.16
67.73
62.74
71.21
78.25
83.36
74.20
82.44
64.60
74.36
81.37
62.81
71.91
70.71
66.95
69.69
68.32
69.17
56.74
77.70
57.31
74.10
64.34
69.15
74.72
74.05
81.26
64.32
66.49
72.87
66.02
65.77
70.69
71.40
72.24
69.09
79.95
62.09
Variable aleatoria:
: El peso del alumno n
Espacio de estados:
: [1,84]
fi
21
1
2
1
5
9
9
9
3
7
4
10
9
8
7
6
5
5
4
4
50
3
3
2
2
1
0
Series1
10
intervalo
Lmite inferior
amplitud
Lmite superior
fi
xi
fixi
xi-
(xi-)
1
2
3
4
5
53.52
56.504
59.488
62.472
65.456
2.984
2.984
2.984
2.984
2.984
56.504
59.488
62.472
65.456
68.44
1
2
1
5
9
55.012
57.996
60.98
63.964
66.948
55.012
115.992
60.98
319.82
602.532
-15.93456
-12.95056
-9.96656
-6.98256
-3.99856
253.910202
167.717004
99.3323182
48.7561442
15.9884821
253.910202
335.434009
99.3323182
243.780721
143.896339
6
7
8
9
10
68.44
71.424
74.408
77.392
80.376
2.984
2.984
2.984
2.984
2.984
71.424
74.408
77.392
80.376
83.36
9
9
3
7
4
69.932
72.916
75.9
78.884
81.868
629.388
656.244
227.7
552.188
327.472
-1.01456
1.96944
4.95344
7.93744
10.92144
1.02933199
3.87869391
24.5365678
63.0029538
119.277852
9.26398794
34.9082452
73.6097035
441.020676
477.111407
50
3547.328
fi(xi-)
2112.26761
2
70.94656
43.1075022
= () = 70.94656
2 = 43.1075022
= 6.5656
Funcin de densidad
() =
() =
1
2
1 () 2
2( )
1
(6.5656) 2
1 70.94656 2
(
)
6.5656
Lmite
Inferior
Lmite
Superior
53.52
56.504
1 () =
56.504
59.488
2 () =
59.488
62.472
3 () =
62.472
65.456
4 () =
65.456
68.44
5 () =
68.44
71.424
71.424
74.408
74.408
77.392
77.392
80.376
10
80.376
83.36
1
2
3
4
5
6
7
Funcin de densidad
1
(6.5656) 2
1
(6.5656) 2
1
(6.5656) 2
1
(6.5656) 2
1
56.504
1 70.94656 2
(
)
6.5656
1 70.94656 2
2( 6,5656 )
1 70.94656 2
2( 6,5656 )
1 70.94656 2
2( 6,5656 )
53.52
59.488
56.04
62.472
59.488
65.456
62.472
68.44
()
1 70.94656 2
2( 6,5656 )
(6.5656) 2 65.456
2
71.424
1 70.94656
1
)
(
6 () =
2 6,5656
(6.5656) 2 68.44
2
74.408
1
70.94656
1
)
(
7 () =
2 6,5656
(6.5656) 2 71.424
2
77.392
1 70.94656
1
)
(
8 () =
2 6,5656
(6.5656) 2 74.408
2
80.376
1
70.94656
1
)
(
9 () =
2 6,5656
(6.5656) 2 77.392
2
83.36
1 70.94656
1
)
(
10 () =
2 6,5656
(6.5656) 2 80.736
0.00993838
0.0288798
0.0579235
0.103109
0.149812
0.17767
0.171991
0.1359
0.0876498
0.0386445
22
intervalo
1
Lmite inferior
amplitud
Lmite superior
FOi
Pi(x)
Fe i
53.52
2.984
56.504
0.00993838
0.496919
2
3
4
5
6
56.504
59.488
62.472
65.456
68.44
2.984
2.984
2.984
2.984
2.984
59.488
62.472
65.456
68.44
71.424
2
1
5
9
9
0.0288798
0.0579235
0.103109
0.149812
0.17767
1.44399
2.896175
5.15545
7.4906
8.8835
7
8
9
10
71.424
74.408
77.392
80.376
2.984
2.984
2.984
2.984
74.408
77.392
80.376
83.36
9
3
7
4
50
0.171991
0.1359
0.0876498
0.0386445
1.0
8.59955
6.795
4.38249
1.932225
48.075899
Comparativo de frecuencias
10
8.8835
9
8.59955
8
7.4906
7
7
6.795
5.15545
5
4.38249
4
4
2.896175
1.932225
1.44399
1
1
0.496919
10
Series1
Series2
0.496919
1.44399
2.896175
5.15545
7.4906
8.8835
8.59955
6.795
4.38249
1.932225
Series1
Series2
HIPTESIS
:
:
23
amplitud
Lmite superior
FOi
POI
POAi
PEi
PEAi
|PEAi-POAi|
53.52
56.504
59.488
62.472
65.456
2.984
2.984
2.984
2.984
2.984
56.504
59.488
62.472
65.456
68.44
1
2
1
5
9
0.02
0.04
0.02
0.1
0.18
0.02
0.06
0.08
0.18
0.36
0.00993838
0.0288798
0.0579235
0.103109
0.149812
0.00993838
0.03881818
0.09674168
0.19985068
0.34966268
0.0101
0.0212
0.0167
0.0199
0.0103
68.44
71.424
74.408
77.392
80.376
2.984
2.984
2.984
2.984
2.984
71.424
74.408
77.392
80.376
83.36
9
9
3
7
4
0.18
0.18
0.06
0.14
0.08
0.54
0.72
0.78
0.92
1
0.17767
0.171991
0.1359
0.0876498
0.0386445
0.52733268
0.69932368
0.83522368
0.92287348
0.96151798
0.0127
0.0207
0.0552
0.0029
0.0385
Mxima Diferencia
0.0552
50
1 = 0.05
= 50
24
7. El tiempo en minutos que tarda un persona en llegar a la fila para hacer la actualizacin de la placas del auto son las
siguientes:
0.92
0.91
3.29
14.09
2.73
0.04
6.41
29.95
2.15
11.94
2.20
10.76
6.27
0.91
0.64
20.49
4.27
1.59
5.76
7.61
4.72
11.34
1.60
4.94
3.03
4.08
6.24
16.14
13.55
30.22
1.89
5.43
1.08
1.27
3.31
5.38
0.86
4.63
4.33
5.40
33.39
4.90
19.26
6.10
4.11
0.53
3.81
41.97
6.95
8.33
Variable aleatoria:
: Los minutos que tarda una persona en llegar a la fila para hacer la actualizacin de las placas del auto en el tiempo t
Espacio de estados:
: [1,4]
Los minutos que tarda una persona en llegar a la fila para hacer la actualizacin de las placas del auto
Continuo.
Espacio paramtrico:
: {1,2,3, ,50}
n-sima persona de la observacin
Discreto.
25
fi
21
17
3
3
2
0
0
3
0
1
50
25
21
20
17
15
10
5
3
3
2
1
0
Series1
0
9
10
21
17
Lmite inferior
0.04
4.233
8.426
12.619
16.812
21.005
25.198
29.391
33.584
37.777
amplitud
4.193
4.193
4.193
4.193
4.193
4.193
4.193
4.193
4.193
4.193
Lmite superior
4.233
8.426
12.619
16.812
21.005
25.198
29.391
33.584
37.777
41.97
fi
21
17
3
3
2
0
0
3
0
1
50
xi
2.1365
6.3295
10.5225
14.7155
18.9085
23.1015
27.2945
31.4875
35.6805
39.8735
fixi
xi-
(xi-)
44.8665
107.6015
31.5675
44.1465
37.817
0
0
94.4625
0
39.8735
400.335
-5.8702
-1.6772
2.5158
6.7088
10.9018
15.0948
19.2878
23.4808
27.6738
31.8668
34.459248
2.81299984
6.32924964
45.0079974
118.849243
227.852987
372.019229
551.347969
765.839206
1015.49294
723.644209
47.8209973
18.9877489
135.023992
237.698486
0
0
1654.04391
0
1015.49294
3832.71228
78.218618
8.0067
fi(xi-)
Funcin de densidad
Despejando:
Tal que: () =
Como el dato que se nos proporciona es = 6.2 tenemos entonces que para sustituir consideramos este dato-
i
1
Lmite Inferior
0.04
Lmite Superior
4.233
1 1
1 1
=
8.00
8.00
Funcin de densidad
4.233
1 () =
0.04
4.233
8.426
1 1
8
8
8.426
2 () =
4.233
8.426
12.619
12.619
16.812
16.812
21.005
1 1
8
8
0.142286
1 1
8
8
0.0842436
1 1
8
8
0.0498784
1 1
8
8
0.0295317
1 1
8
8
0.0174849
1 1
8
8
0.0103523
1 1
8
8
0.00612934
1 1
8
37.777 8
0.00362902
16.812
4 () =
12.619
21.005
5 () =
16.812
21.005
25.198
25.198
29.391
29.391
33.584
25.198
6 () =
21.005
29.391
7 () =
25.198
33.584
8 () =
29.391
33.584
37.777
10
37.777
41.97
0.240318
1 1
8
8
12.619
3 () =
8.426
()
0.405892
37.777
9 () =
33.584
41.97
10 () =
() =
26
intervalo
1
2
3
4
5
6
7
8
9
10
Lmite inferior
amplitud
Lmite superior
FOi
Pi(x)
Fe i
0.04
4.233
8.426
12.619
16.812
21.005
25.198
29.391
33.584
37.777
4.193
4.193
4.193
4.193
4.193
4.193
4.193
4.193
4.193
4.193
4.233
8.426
12.619
16.812
21.005
25.198
29.391
33.584
37.777
41.97
21
17
3
3
2
0
0
3
0
1
50
0.405892
0.240318
0.142286
0.0842436
0.0498784
0.0295317
0.0174849
0.0103523
0.00612934
0.00362902
1.0
20.2946
12.0159
7.1143
7.1143
4.21218
2.49392
1.476585
0.874245
0.517615
0.306467
56.420112
Comparativo de frecuencias
25
21
20.2946
20
17
15
12.0159
10
7.1143
7.1143
4.21218
3
3
2.49392
2
1.476585
1
0.874245
0
0
0.517615
0.306467
10
Series1
21
17
Series2
20.2946
12.0159
7.1143
7.1143
4.21218
2.49392
1.476585
0.874245
0.517615
0.306467
Hiptesis
:
27
Lmite inferior
amplitud
Lmite superior
FOi
POI
POAi
PEi
PEAi
|PEAi-POAi|
0.04
4.233
8.426
12.619
16.812
21.005
25.198
29.391
33.584
37.777
4.193
4.193
4.193
4.193
4.193
4.193
4.193
4.193
4.193
4.193
4.233
8.426
12.619
16.812
21.005
25.198
29.391
33.584
37.777
41.97
21
17
3
3
2
0
0
3
0
1
50
0.42
0.34
0.06
0.06
0.04
0
0
0.06
0
0.02
0.42
0.76
0.82
0.88
0.92
0.92
0.92
0.98
0.98
1
0.405892
0.240318
0.142286
0.0842436
0.0498784
0.0295317
0.0174849
0.0103523
0.00612934
0.00362902
1.0
0.405892
0.64621
0.788496
0.8727396
0.922618
0.9521497
0.9696346
0.9799869
0.98611624
0.98974526
0.0141
0.1138
0.0315
0.0073
0.0026
0.0321
0.0496
0.0000
0.0061
0.0103
Mxima Diferencia
1 = 0.05
= 50
0.1138
8. Se revis los proyectos terminales de un alumno poco experto en la escritura y se contabilizo el nmero
de errores por pgina, su trabajo tena 50 paginas:
5 6 6
8
1 3 6 7 8
4
4
11
11
11
13
Espacio de estados:
: {1,2.3 13}
Variable aleatoria:
: Nmero de errores contenidos en el proyecto terminal de un alumno en la pgina n
2 .
28
frecuencia
1
1
0
5
7
9
3
11
5
4
0
3
0
1
Frecuencias
12
11
10
9
8
7
6
5
4
4
3
2
1
1
0
0
Series1
I
0
1
2
3
4
5
6
7
8
9
10
11
12
13
frecuencia
1
1
0
5
7
9
3
11
5
4
0
3
0
1
50
=E[X]
29
ifi
0
1
0
15
28
45
18
77
40
36
0
33
0
13
306
6.12
10
11
12
13
14
11
1
1
1
= =
= 0.1634
[] 6.12
() = (1 ) = (0.1634)(1 0.1634)
2 = = (1 )
2
frecuencia
ifi
1-P
(1-P)I
p(1-p)i
FEi
0
1
2
3
4
5
6
7
8
9
10
11
12
13
1
1
0
5
7
9
3
11
5
4
0
3
0
1
0
1
0
15
28
45
18
77
40
36
0
33
0
13
306
6.12
0.16339869
0.16339869
0.16339869
0.16339869
0.16339869
0.16339869
0.16339869
0.16339869
0.16339869
0.16339869
0.16339869
0.16339869
0.16339869
0.16339869
0.836601
0.836601
0.836601
0.836601
0.836601
0.836601
0.836601
0.836601
0.836601
0.836601
0.836601
0.836601
0.836601
0.836601
1.000000
0.836601
0.699902
0.585539
0.489862
0.409820
0.342856
0.286833
0.239965
0.200755
0.167952
0.140509
0.117550
0.098342
0.163399
0.136700
0.114363
0.095676
0.080043
0.066964
0.056022
0.046868
0.039210
0.032803
0.027443
0.022959
0.019208
0.016069
0.917727
8.16993464
6.834978
5.71815153
4.78381304
4.00214425
3.34819911
2.80110775
2.34341041
1.96050021
1.64015704
1.37215752
1.14794878
0.96037545
0.80345135
45.8863291
50
=E[X]
FOi
PI
FEi
(FEi-FOi)2
0
1
2
3
4
5
6
7
8
9
10
11
12
13
1
1
0
5
7
9
3
11
5
4
0
3
0
1
0.163399
0.136700
0.114363
0.095676
0.080043
0.066964
0.056022
0.046868
0.039210
0.032803
0.027443
0.022959
0.019208
0.016069
8.169934641
6.834978
5.718151529
4.783813044
4.002144246
3.348199108
2.80110775
2.343410406
1.960500209
1.640157037
1.372157521
1.147948776
0.960375447
0.803451354
51.40796275
34.04696826
32.69725691
0.0467368
8.987139121
31.94285332
0.039558127
74.93654341
9.238558982
5.568858809
1.882816263
3.430093736
0.922320998
0.03863137
(FEi-FOi)2/FEi
6.292334641
4.98128425
5.718151529
0.00976978
2.245581011
9.540308774
0.014122315
31.97755853
4.71234787
3.395320498
1.372157521
2.988019856
0.960375447
0.048081779
74.2554138
50
Comparativo de Frecuencias
12
11
10
8.169934641
8
6.834978
5.718151529
5
4.783813044
4.002144246
4
3.348199108
3
2.80110775
2.343410406
1.960500209
1.640157037
1.372157521
1
1.147948776
0
0
0
3
10
0.960375447
0.803451354
0
11
12
13
14
Series1
11
Series2
8.169934641
6.834978
5.718151529
4.783813044
4.002144246
3.348199108
2.80110775
2.343410406
1.960500209
1.640157037
1.372157521
1.147948776
0.960375447
0.803451354
Series1
Series2
:
:
HIPTESIS
30
2 = 74.255
Tal que
2
5%,6
2
0.05,6
= 19.6751
es decir, no es verdad que 74.255 19.6751 as entonces no es verdadera la , y se acepta la hiptesis alternativa
:
:
Por lo que el modelo no es el adecuado.
31
FOi
POI
POAi
PEi
PEAi
|PEAi-POAi|
0
1
2
3
4
5
6
7
8
9
10
11
12
13
1
1
0
5
7
9
3
11
5
4
0
3
0
1
50
0.02
0.02
0
0.1
0.14
0.18
0.06
0.22
0.1
0.08
0
0.06
0
0.02
0.02
0.04
0.04
0.14
0.28
0.46
0.52
0.74
0.84
0.92
0.92
0.98
0.98
1
0.16339869
0.13669956
0.11436303
0.09567626
0.08004288
0.06696398
0.05602216
0.04686821
0.03921
0.03280314
0.02744315
0.02295898
0.01920751
0.01606903
0.163398693
0.300098253
0.414461283
0.510137544
0.590180429
0.657144411
0.713166566
0.760034774
0.799244779
0.832047919
0.85949107
0.882450045
0.901657554
0.917726581
Mxima Diferencia
0.143398693
0.260098253
0.374461283
0.370137544
0.310180429
0.197144411
0.193166566
0.020034774
0.040755221
0.087952081
0.06050893
0.097549955
0.078342446
0.082273419
0.3745
1 = 0.05
= 50
Conclusiones
Un modelo es una representacin de la realidad con la finalidad de poder estudiarla, de tal manera que en algunos
casos no es necesario considerar todos y cada uno de los detalles de la realidad, por lo que un modelo no es una
copia idntica sino una simplificacin de la misma, as en los modelos estocsticos o probabilsticos, los valores de
las variables dentro de un modelo estocstico sufren modificaciones con respecto a un valor promedio; tales
variaciones pueden ser manejadas mediante distribuciones de probabilidad.
Las pruebas de bondad de ajuste de un modelo estadstico nos permiten verificar el ajuste en un conjunto de
observaciones, tal que, sea visible la discrepancia entre los valores observados y los valores esperados en el modelo
en cuestin.
Bibliografa
Chatfield, C., 1989. The Analysis of Time Series. Chapman and Hall, Londres.
Millard, S.P.; Neerchal, N.K. (2001). Environmental Statistics with S-PLUS. CRC Press. Florida
32
http://cran.r-project.org/doc/contrib/Saez-Castillo-RRCmdrv21.pdf
http://www.r-project.org/
https://www.youtube.com/watch?v=kkcLnDT1Oa0
https://www.youtube.com/watch?v=u6eLvDyEyo0
33