Escolar Documentos
Profissional Documentos
Cultura Documentos
Binomial
Función de Probabilidad
Donde:
n = cantidad de extracciones o repeticiones del experimento o acontecimiento
aleatorio
v = cantidad de elementos que poseen el atributo(A) y ((n-v) son los
elementos, que no lo posean.
p = probabilidad de ocurrencia del atributo (A).
q = probabilidad de que no ocurra el atributo (A).
Función de Distribución:
Aplicación:
a) P( x ≤ 15) =0,96472
b) P( x = 7) = 0,0450223
Existe una probabilidad del 4,5022 % de que 7 cotas de embalse sean iguales a
152,857 msnm.
Todas estas probabilidades fueron realizadas sobre los 25 ensayos.
Hipergeométrica
La Función de Probabilidad:
Donde:
Na = cantidad de elementos que poseen el atributo A
Nb = cantidad de elementos que no poseen el atributo A
N= total de elementos de la población
n = número de extracciones o repeticiones en la muestra
V= cantidad de elementos extraídos que deben cumplir con el atributo A
La Función de Distribución:
Aplicación
Poisson
λ = n. p = E(x) =o ²
Función de Probabilidad:
Función de Distribución:
Aplicación:
b) P(x= 4) = 0,00153476
Existe una probabilidad del 0,153% de que 4 cotas de embalse sean iguales a
60,5 msnm.
Distribuciones para Variables Continuas
Normal
Función de Densidad:
1 -½ (xi – μ) ²⁄σ²
f(x) =------------ е
√2∏*σ
Función de Distribución
t 1 -½ (xi – μ) ²⁄σ²
F (t) =∫------------ е
-∞√2∏*σ
Aplicación:
P (150<x<165) = 0,9160
Existe una probabilidad del 91,60% de que existan cotas de embalse
comprendidos entre 150 msnm y 165msnm.
𝟏 𝟏 (𝒙𝒊−𝟏𝟓𝟔,𝟒𝟔)𝟐
− ,
𝒇(𝒙) = 𝒆 𝟐 𝟏𝟕,𝟕𝟒𝟕𝟔
√𝟐𝝅 𝟒, 𝟐𝟏𝟐𝟕𝟗
En base a esa función, se calcularan las probabilidades que le corresponden a
cada uno de los intervalos de clase obtenidos en la distribución agrupada del
consumo de energía obtenida precedentemente
Dicho cálculo se realiza considerando los estimadores indicado en esa Función
de Densidad en el programa estadístico ya empleado en cálculos anteriores.
En el siguiente cuadro se indican los valores de probabilidad obtenidos, como
así también las Frecuencias Esperada:
AJUSTAMIENTO
LI LS fi Pi f’i
148 150,429 10 0,0538175 5,38175
150,429 152,857 10 0,120075 12,0075
152,857 155,286 24 0,19404 19,404
155,286 157,714 19 0,226778 22,6778
157,714 160,143 14 0,191985 19,1985
160,143 162,571 13 0,117544 11,7544
162,571 165 10 0,052125 5,2125
TOTALES 100 0,9563645 95,63645
24 19,404 1,08860111
19 22,6778 0,59645172
14 19,1985 1,40763092
23 16,9669 2,14525315
5,629904098
Toma de decisión:
Como:
5,629904098<5,991
30 Distribución
Normal
25
20
frecuencia
15
10
0
0 50 100 150 200 250 300
Consumo de energía
SEGUNDO INFORME DE AVANCE
LAPLACE
Existe una probabilidad del 37% de que la cota de embalse sea mayor e
igual a 157,714 msnm.
NO EXCLUYENTE
La probabilidad de que en una muestra de cien datos de cota de embalse
y erogación, se encuentren niveles de cotas menores a 161 msnm o
erogaciones mayores a 60 m3/seg es del 80%.
EXCLUYENTES
La probabilidad de que haya un nivel por sobre el nivel del mar mayor a
150 metros o que se registre una erogación mayor a 50m3/seg es del 37%.
CONDICIONAL
La probabilidad de que no habiéndose dado la condición de que el
erogación sea mayor a 50 m3/seg, la cota de embalse que se haya producido
sea menor a 155 msnm es del 50,79%.
DEPENDIENTES
Existe una probabilidad del 19% de que se hayan registrado valores de
erogación máxima mayor a 55 m3/seg y cota de embalse menor a 160 msnm.
INDEPENDIENTES
Existe una probabilidad del 1,53 % de que se produzcan una cota de
embalse menor a 150 msnm y una erogación mayor a 70 m3/seg.
BAYES
Existe una probabilidad del 36,59 % de que no habiéndose cumplido
con los requerimientos de cota de embalse, la erogación máxima pertenezca
al intervalo 45,01 – 61 m3/seg.
BINOMIAL
c) P( x ≤ 15) =0,96472
Existe una probabilidad del 96,472% de que 15 cotas de embalse sean
menores o iguales a 152,857 msnm
a) P( x = 7) = 0,0450223
Existe una probabilidad del 4,5022 % de que 7 cotas de embalse sean iguales a
152,857 msnm.
Todas estas probabilidades fueron realizadas sobre los 25 ensayos.
HIPERGEOMETRICA
c) P( x ≤ 15) =0,0505186
Existe una probabilidad del 50,51 % de que 15 de los 25 datos seleccionados
sin reposición pertenezcan a un valor de cota de embalse menor o igual a
155,286 msnm.
a) P( x = 7) = 0,03355
Existe una probabilidad del 33,55 % de que 7 de los 25 datos seleccionados
sin reposición pertenezcan a un valor de cota de embalse menor o igual a
155,286 msnm.
POISSON
a) P(x ≥10) = 0,8807884
Existe una probabilidad del 88% de que al menos 10 de esas 60cotas de
embalse sean menores o iguales a 60,5 msnm.
b) P(x= 4) = 0,00153476
Existe una probabilidad del 0,153% de que 4 cotas de embalse sean iguales a
60,5 msnm.
NORMAL
a) De encontrar cota de embalse entre 150 y 165 msnm.
P (150<x<165) = 0,9160
b) De encontrar cota de embalse menores a 152msnm.
P (x <200) = 0,144872
Media
Para su demostración empírica, consideraremos (por razones prácticas) 4 cotas
de embalse como un conjunto de datos poblacionales, que en nuestro caso son:
µ= 158,24
0,929092
Ŝ² = 39,6751
0,929092 - 1) = 29,756325
σ² = 39,6751*(4
4
σ² = 29,756325
E (𝑥̅ ) = 158,24 = μ
Es decir que:
𝐸(𝑥̅ ) = 𝜇
Por lo tanto, la media es un estimador Insesgado o no viciado.
Variancia Corregida
E (Ŝ’²)=39.675 =S²
Es decir que:
E (Ŝ’²)= S²
E (S²)=19,34 ≠ σ²
Propiedad de Consistencia
Propiedad de Eficiencia
Relativa
Cuando un estimador analizado en el conjunto de las (k) muestras posibles
tiene menor variabilidad que otros estimadores obtenidos de esas muestras.
En el caso bajo estudio, se realizó el cálculo de la Variancia Corregida de
todos los estimadores para comparar su eficacia.
Sabiendo que, (𝑥̅ =156,46msnm) ( g= 156,404msnm); (Me=155,79 msnm) y
el (Mo=149,47) se obtuvo:
𝑛
2 (𝑋)
(𝑥𝑖 − 𝑋)²
𝑆 =∑ = 17,748
𝑛−1
𝑖=1
𝑛(𝑥𝑖 − 𝑋𝑔)2
𝑆 2 (𝑋𝑔)
= ∑ 𝑛 − 1 = 17.75
𝑖=1
𝑛
2 (𝑀𝑒)
(𝑥𝑖 − 𝑀𝑒)²
𝑆 =∑ = 18.20
𝑛−1
𝑖=1
𝑛(𝑥𝑖 − 𝑀𝑜)2
𝑆 2 (𝑀𝑜)
= ∑ 𝑛 − 1 = 67.11
𝑖=1
Propiedad de Suficiencia
Teniendo en cuenta que en cada una de las (K) posibles muestras, se pueden
calcular los estimadores de los Parámetros (μ) y (σ²); se puede pensar que es
altamente probable que no todos los valores de esos estimadores coincidan
entre si y por lo tanto constituirán una Variable Aleatoria cuyo
comportamiento probabilístico responderá a un Modelo Teórico de
Probabilidad.
Así, los estimadores ( ) y (Ŝ²), se distribuirán de la siguiente forma:
161.45 161 159.97 158.82 157.57 155.96 154.98 152.07 150.94 160.67
Muestra Media
161,45 159,97 160,71
161,46 158,82 160,14
161,47 157,57 159,52
161,48 155,96 158,72
161,49 154,98 158,235
161,5 152,07 156,785
161,51 150,94 156,225
159,97 158,82 159,395
159,97 157,57 158,77
159,97 155,96 157,965
159,97 154,98 157,475
159,97 152,07 156,02
159,97 150,94 155,455
158,82 157,57 158,195
158,82 155,96 157,39
158,82 154,98 156,9
158,82 152,07 155,445
158,82 150,94 154,88
157,57 155,96 156,765
157,57 154,98 156,275
157,57 152,07 154,82
157,57 150,94 154,255
155,96 154,98 155,47
155,96 152,07 154,015
155,96 150,94 153,45
154,98 152,07 153,525
154,98 150,94 152,96
152,07 150,94 151,505
160,67 161,45 161,06
160,67 159,97 160,32
160,67 158,82 159,745
160,67 157,57 159,12
160,67 155,96 158,315
160,67 154,98 157,825
160,67 152,07 156,37
160,67 150,94 155,805
-Frecuencia = 36
-Media = 156,94
-Desvío Corregido= 2,366
-Mínimo = 151,505
-Máximo =161,06
-Rango = 9,555
K=1+3,33 log (36) =6,18
K=6
h=161, 06 – 151,505 =1, 59
6
h= 2
Li=151,505– 2 = 150,505
2
Li=151
𝟐
Intervalos de 𝒇𝒊 ′ ′ (𝒇𝒊 − 𝒇𝒊 ′ )
𝒇𝒊 𝒑𝒊 𝒇𝒊 𝒇𝒊
Clases (𝒏 ∗ 𝒑𝒊 ) 𝒇𝒊 ′
151 153 2 1,50853032 1,50853032
8 7,2034243 0,0880877
153 155 6 5,694894 5,694894
155 157 11 10,943892 10,943892 11 10,943892 0,0002877
X²obs = 0,5375
𝑥̅ ~𝑁(𝜇; 𝜎 2 𝑥̅ )
𝜎2 𝑛
𝜎 2 𝑥̅ = (1 − )
𝑛 𝑁
o = 0,3589
Es demostrable que:
Ŝ²≈X²(n-1)*σ²⁄(n-1)
Ŝ²≈X²(99)*17,7476⁄ (99)
N * t² * σ²
n = ---------------------
t² * σ² + N * e²
𝑁 ∗ 𝑡2 ∗ 𝜎2 − 𝑛 ∗ 𝑡2 ∗ 𝜎2
𝑒=√
𝑛∗𝑁
N= 365
n= 100
Ŝ²=17,7476
t=z(95%)=1,96
e= 365*1,96²*17,7476–100*1,96²*17,7476 = 0,7035
100*365
Muestra Artificial
Simulación de Modelos
n = 100 p = 0,04
por lo que:
12 32 35 50 60 65
0,0915782 0,32
1 3
0,2381032 0,35
2 3
0,43347 0,50
3 4
0,628837 0,60
4 4
0,78513 0,65
5 5
Conclusión:
Es decir que, de las 10cotas examinadas, se encontró:
a) Una cota con dosusuario que tenga consumo de energía alto.
b) Dos cotas con tresusuario que tenga consumo de energía alto.
c) Tres cotas con cuatrousuarios que tenga consumo de energía alto
d)Cuatrocotas con cincousuarios que tenga consumo de energía alto
Toma de Decisión:
Como existen en esa Muestra Artificial de (6) cotas, uno con MAS de dos (2)
consumos de energía altos, entonces la CentralHidroeléctrica RECHAZA la
REGLA DE DECISION.
Caso Continuo
Aplicando la Distribución Normal
= 156,46 Ŝ = 4,21
Se desea construir una Muestra Artificial de tamaño (n=12 cotas) con el fin de
detectar con este Modelo de Simulación, la cantidad de cotas cuyos valores
superen el valor medio (156,46msnm).
Suceso (S) = cota cuya altura sobre el nivel del mar supere el valor medio
(156,46 msnm).
Para ello, se siguen los siguientes pasos:
Primer Paso: Seleccionar 12 Números Aleatorios entre 100, los que en este
caso fueron:
1 3 26 35 49 51 52 55 72 78 81 83
Conclusión:
Es decir que, de las (12) cotas, se encontró:
a) Cuatro usuarios que no cumplía con el suceso (S).
b) Ocho usuarios que si cumplía con el suceso (S).
Toma de Decisión:
TEORIA DE ESTIMACION
ESTIMACION PUNTUAL
1 -½ (xi – μ) ²⁄σ²
f(x) =------------ е
√2∏* σ
μ*= Σ Xi =
n
Y
σ*²= Σ (xI - )² =
n
μ* = 156,46
σ*² = 15,57
ESTIMACION POR INTERVALOS
Media (μ)
Recordando que:
=156,46
o² = 0,1288
o = 0,3589
t=1,96 (Nivel de confiabilidad del 95%-Área centrada)
Reemplazando los valores:
𝑃{𝑥̅ − 𝑡 ∗ 𝜎𝑥̅ ≤ 𝜇 ≤ 𝑥̅ + 𝑡 ∗ 𝜎𝑥̅ } = 1 − 𝛼
Variancia (σ²)
P (n-1) Ŝ² ≤ σ² ≤ (n-1) Ŝ²
X²2 X²1
Recordando que:
n=100
Ŝ²=17,7476
0,015
0,01
2.5% 2.5%
0,005
0
0 30 60 90 120 150 180
x
73,361 128,422
128,422 73,361