PROCESOS ESTOCSTICOS TALLER 3

Presentado por: Jorge Pastua- 612144

1. Considere del taller 1 las revisiones que el operador de un sistema de distribucin de energa hace a sus usuarios
para establecer si realizan fraude. Utilizando las distribuciones Binomial y Pascal:

1.1 Cmo se estima el parmetro del modelo binomial para las inspecciones que se realizan en el estrato 5?

Por medio de un estimador puntual, el mtodo de los momentos donde:

es un estimador del valor esperado E(x) , entonces
El promedio estadstico = ()
La desviacin muestral es un estimador de la desviacin estndar , entonces =

Distribucin de probabilidad () ()

Modelo de distribucin binomial () =

=
=
=

Donde la probabilidad p=0.125 se obtiene del taller 1 cuando se calcul la probabilidad de encontrar un usuario del estrato
5 que hace fraude, q es el complemento de p, y n es el nmero de revisiones.
Tambin el experimento aleatorio debe cumplir las condiciones de Bernoulli para ser representada por una Distribucin
Binomial:
Cabe hacer nfasis que aqu consideraremos que el usuario no tiene conocimiento de que se estn realizando las
inspecciones y no har cambios en la condicin de su servicio.

1.2 Si se va a inspeccionar un conjunto residencial del estrato 5 con 20 usuarios, cul es el valor esperado de
usuarios haciendo fraude?
Del taller 1 se obtuvo la probabilidad de que un usuario cometa fraude es P=0.125, si se va a inspeccionar con 20 usuarios
entonces el valor esperado es E(x)=N*P= 20*0.125 = 2.5 3

1.3 Calcule la probabilidad de encontrar 0, 1 20 usuarios del conjunto residencial haciendo fraude
Al ser la variable discreta y cumplir las condiciones de Bernoulli se define usar el modelo de Distribucin binomial para
obtener la probabilidad de que se d el fraude mediante la siguiente frmula:

Espacio Espacio
Muestral Probabilidad Muestral Probabilidad Distribucin Binomial
P(0) 0,069208759 P(11) 5,8788E-06 0,3
P(1) 0,197739311 P(12) 6,29871E-07
0,25
P(2) 0,268360493 P(13) 5,53733E-08
P(3) 0,23002328 P(14) 3,95523E-09 0,2
P(4) 0,139656991 P(15) 2,26013E-10 0,15
P(5) 0,063843196 P(16) 1,00899E-11
0,1
P(6) 0,022801141 P(17) 3,39156E-13
P(7) 0,006514612 P(18) 8,07514E-15 0,05
P(8) 0,001512321 P(19) 1,21431E-16 0
P(9) 0,000288061 P(20) 8,67362E-19 1 3 5 7 9 11 13 15 17 19 21
P(10) 4,52667E-05
Se puede apreciar que la mayor probabilidad es 0.268 que pertenece a la de encontrar 2 usuarios haciendo fraude.
Se pudo encontrar que cuando n es muy grande, la probabilidad tenda al infinito por lo cual existe la opcin de cambiar
el modelo binomial por el modelo normal bajo la condicin de que:
1
 N sea muy grande y p sea muy cercano a 0.5
n*p y n*q son a la vez mayores que 5
En esta aplicacin no sirve ya q p no es cercano a 0.5.

1.4 Calcule la probabilidad de que toque inspeccionar 1, 2 20 de las unidades del conjunto residencial para
encontrar un fraude
La probabilidad de que tomar exactamente N= [1,2,..,20] inspecciones para encontrar un fraude en la secuencia de
Bernoulli est dada por la distribucin Geomtrica.

Espacio Espacio
Muestral Probabilidad Muestral Probabilidad Distribucin de Geomtrica
P(1) 0,125 P(11) 0,032884447 0,14
P(2) 0,109375 P(12) 0,028773891 0,12
P(3) 0,095703125 P(13) 0,025177155 0,1
P(4) 0,083740234 P(14) 0,02203001 0,08
P(5) 0,073272705 P(15) 0,019276259 0,06
P(6) 0,064113617 P(16) 0,016866727 0,04
P(7) 0,056099415 P(17) 0,014758386 0,02
P(8) 0,049086988 P(18) 0,012913588 0
P(9) 0,042951114 P(19) 0,011299389 1 2 3 4 5 6 7 8 9 1011121314151617181920
P(10) 0,037582225 P(20) 0,009886966
La probabilidad de que tenga que inspeccionar las unidades del conjunto residencial se hace cada vez ms pequea como se
puede observar en la grfica. Esto me da a entender que no tendr que inspeccionar tantas casas para encontrar un fraude.

1.5 Discuta si en este proceso de inspeccionar usuarios para ver si cometen fraude se cumplen las condiciones de
Bernoulli.
Cumple. Existen nicamente dos posibles resultados para cada inspeccin. (Hay Fraude, No hay fraude)
Cumple. La probabilidad de ocurrencia o no, de un fraude, es la misma para cada inspeccin.
No cumple, Las inspecciones pueden no ser un evento independiente ya que la gente puede cambiar el estado de fraude.
Se lleg a la conclusin tambin de que cumplira la condicin de independencia si se inspeccionara a cosas o frutas
ya que si se lo hace a humanos esta caracterstica podra cambiar por la conciencia de cada individuo.

2. Del taller 2, para la muestra de datos de valor de fraude descubierto a usuarios comerciales:

2.1 Estimar los parmetros de modelos exponencial y normal

Al igual que en el punto 1.1 se usa un estimador puntual, el mtodo de los momentos
E(x)= =10.522
VAR(x)= =6.853
= S = 2.617
Distribucin de probabilidad () () ()

Modelo de distribucin Exponencial

() =
=

=

Modelo de distribucin Normal () =

=

2
2.2 Hacer la prueba de bondad de ajuste a los modelos exponencial y normal

Se defini utilizar la prueba de bondad de ajuste Kolmogorov la cual realiza comparaciones entre las desviaciones absolutas
de los datos organizados de menor a mayor y la funcin de distribucin de probabilidad propuesta para representar los datos.
Esta prueba solo sirve para distribuciones continuas.

El procedimiento es el siguiente:
Paso 1: Ordenar los datos de menor a mayor
Paso 2: Calcular las desviaciones absolutas Calcular

Paso 3: Calcular el estadstico de prueba D

Paso 4: Determinar el valor crtico del estadstico de prueba D

En las tablas de la distribucin Kolmogorov Smirnov se halla el valor crtico D para el estadstico de prueba con
n datos.

Paso 5: Planteamiento de hiptesis

Paso 6: Criterio de decisin

MODELO DE MODELO DE

DATOS DISTRIBUCION DISTRIBUCION

EXPONENCIAL NORMAL

Estadstico de prueba D=0.411 D=0.040

Valor crtico del Se defini =5% Se defini =5%

1.36 1.36
estadstico de prueba D= = 0.167 D= = 0.167
72 72

Criterio de decisin La distribucin propuesta no La distribucin

representa a los datos con un propuesta si representa

95% de confianza a los datos