Simulación y evaluación de proyectos Ruby Escorcia

Nombre: Ruby Alexander Escorcia Arauz.

Grupo: 5M1-IS

Fecha: 09/05/14


Simulación y evaluación de proyectos Ruby Escorcia

Modelo estadístico
Modelo es una representación simplificada que retenga la esencia de una realidad.
Un modelo estadístico es una ecuación matemática que reproduce los fenómenos que
observamos de la forma más exacta posible.
Modelos Matemáticos.
Estos modelos son representados típicamenete por una función que expresa la
relación existente entre variables de interés. Por ejemplo, podemos tener:
Respuesta = 30 + 50*Estímulo
En estadística, los modelos usados son de tipo matemático, más un componente que
expresa la incertidumbre asociada a un experimento.
Es justamente esta característica que da cuenta de la incertidummbre lo que distingue
a un modelo estadístico de uno puramente matemático.
Un experimento de tipo estadístico, siempre está contaminado por la presencia de
errores en la obtención de la respuesta de modo que siempre existe un grado de
variabilidad asociado a cada observación.
En consecuencia, los modelos estadísticos deben permitir el estudio de la realidad
facilitando respuestas acerca de su esencia, descartando los aspectos superfluos que
inevitablemente están presente.
Por ejemplo, las estaturas de varones de 14 años y 16 años en un colegio tienen
características distintas.
Es fácil observar que, en general, el grupo de 16 años tiende a tener mayor estatura.
Sin embargo, al comparar ambos grupos, la variabilidad existente en sus estaturas
hace que jóvenes de un grupo pudiesen estar en el otro y viceversa.
Para describir la estatura de cada uno de estos grupos, se necesita un modelo que
tenga en cuenta tanto las diferencias existentes como la variabilidad que puede
ocultarlas.
Un modelo estadístico se puede aplicar en la regulación de mercados, en la
adminsitracion de conteos de empresas, análisis de riesgos de sismos entre otros.
Ya que con los datos suministrados se puede obtener resultados relacionados o
semejante a la realidad descartando errores de mayor grado existentes.


Simulación y evaluación de proyectos Ruby Escorcia
DISTRIBUCIONES CONTINUAS Y DISCRETAS
DISTRIBUCIONES CONTINUAS
Es una variable que puede tomar tanto valores enteros como fraccionarios.
Es generada por una variable continua (x).
f(x)³ 0 Las probabilidades asociadas a cada uno de los valores que toma x deben ser
mayores o iguales a cero. Dicho de otra forma, la función de densidad de probabilidad
deberá tomar solo valores mayores o iguales a cero. La función de densidad de
probabilidad sólo puede estar definida en los cuadrantes I y II.
La sumatoria de las probabilidades asociadas a cada uno de los valores que toma x
debe ser igual a 1. El área definida bajo la función de densidad de probabilidad deberá
ser de 1.
Hasta el momento se han considerado las distribuciones de probabilidad para
variables discretas, donde se podía asignar el valor que toma la función de
probabilidad cuando la variable aleatoria tomaba un valor en concreto. Sin embargo, al
considerar las variables continuas se encuentra uno el problema de que, lo más
probable, los datos que se puedan recabar no sean completamente exactos, o dos o
más de ellos no coincidan, por lo que se tienen que trabajar en intervalos y, en ese
momento, modelar una función se convierte en un problema serio.
Las distribuciones continuas son aquellas que presentan un número infinito de
posibles soluciones:
Ejemplo: El peso medio de los alumnos de una clase puede tomar infinitos valores
dentro de cierto intervalo (42,37 kg, 42,3764 kg, 42, 376541kg, etc); la esperanza
media de vida de una población (72,5 años, 7,513 años, 72, 51234 años).
DISTRIBUCIONES DISCRETAS
Las distribuciones discretas son aquellas en las que la variable puede pude tomar un
número determinado de valores:
Ejemplo: si se lanza una moneda al aire puede salir cara o cruz; si se tira un dado
puede salir un número de 1 al 6; en una ruleta el número puede tomar un valor del 1 al
32.