METODOLOGA DE INVESTIGACIN EN INGENIERA

1. DISTRIBUCIN POISSON (Simen Dennis Poisson (1781-1840))

En teora de probabilidad y estadstica, la distribucin de Poisson es una
distribucin de probabilidad discreta que expresa, a partir de una
frecuencia de ocurrencia media, la probabilidad de que ocurra un
determinado nmero de eventos durante cierto perodo de tiempo.
Concretamente, se especializa en la probabilidad de ocurrencia de
sucesos con probabilidades muy pequeas, o sucesos "raros".

La funcin de masa o probabilidad de la distribucin de Poisson es

Donde:

k -> es el nmero de ocurrencias del evento o fenmeno (la funcin nos

da la probabilidad de que el evento suceda precisamente k veces).
-> es un parmetro positivo que representa el nmero de veces que se
espera que ocurra el fenmeno durante un intervalo dado. Por ejemplo,
si el suceso estudiado tiene lugar en promedio 4 veces por minuto y
estamos interesados en la probabilidad de que ocurra k veces dentro de
un intervalo de 10 minutos, usaremos un modelo de distribucin de
Poisson con = 104 = 40.
e -> es la base de los logaritmos naturales (e = 2,71828...)

2. GENERADOR MIXTO
Los generadores congruenciales lineales generan una secuencia de
nmeros pseudoaleatorios en la cual el prximo nmero pseudoaleatorio
es determinado a partir del ltimo nmero generado, es decir el nmero
pseudoaleatorio Xn+1 es derivado a partir del nmero pseudoaleatorio Xn.
Para el caso particular del generador congruencial mixto, la relacin de
recurrencia es la siguiente:

Xn+1 = (aXo + c) mod m

Donde:
Xo = la semilla (Xo >0)
a = el multiplicador (a>0)
c = constante aditiva (c>0)
m = el modulo (m> Xo , m>a y m>c)
 Esta relacin de recurrencia nos dice que Xn+1 es el residuo de dividir
aXo + c entre modulo. Lo anterior significa que los valores posibles de
Xn+1 son 0,1,2,3,., m-1, es decir, m representa el nmero posible de
valores diferentes que pueden ser generados.

3. SIMULACIN DE SISTEMAS
La simulacin es el proceso de disear un modelo de un sistema real y
llevar a trmino experiencias con l, con la finalidad de comprender el
comportamiento del sistema o evaluar nuevas estrategias -dentro de los
lmites impuestos por un cierto criterio o un conjunto de ellos - para el
funcionamiento del sistema

4. DISTRIBUCIN DE PROBABILIDAD DISCRETA

Una distribucin discreta describe la probabilidad de ocurrencia de cada
valor de una variable aleatoria discreta. Una variable aleatoria discreta
es una variable aleatoria que tiene valores contables, tales como una
lista de enteros no negativos.

Con una distribucin de probabilidad discreta, cada valor posible de la

variable aleatoria discreta puede estar asociado con una probabilidad
distinta de cero. Por lo tanto, una distribucin de probabilidad discreta
suele representarse en forma tabular.

5. PRUEBA DE UNIFORMIDAD
Una prueba bsica que siempre ser desarrollada para validar un nuevo
generador es la prueba de uniformidad. Dos mtodos de pruebas
disponibles. Estas son las pruebas Kolmogorov-Smirnov y la prueba Chi-
Cuadrada Ambas de estas pruebas miden el grado de ajuste entre la
distribucin de una muestra de nmeros aleatorios generados y y la
distribucin uniforme terica. Ambas de estas pruebas estn basadas en
la Hiptesis Nula de que no existe diferencia entre la distribucin de la
muestra y la distribucin terica.

6. PRUEBA DE INDEPENDENCIA
El objetivo es verificar si existe una dependencia entre las variables
cualitativas que definen filas y columnas, es decir, si para todo i = 1, ..., k
y j = 1, .., m se verifica que la probabilidad del resultado
correspondiente a la combinacin Ai Bj es el producto de las
probabilidades marginales correspondientes. P(Ai) es la probabilidad del
resultado i para la variable fila y P(Bj) la del resultado j para la variable
columna.

BIBLIOGRAFA
 https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Poisson
https://books.google.com.pe/books?id=iY6dI3E0FNUC&pg=PA20&lpg=PA20&d
q=generador+mixto&source=bl&ots=uKN97e-
Lcw&sig=fSK3Yv3An0g9ob09vGN75difzyc&hl=es-
419&sa=X&ved=0ahUKEwirjKfRjbTWAhUDeSYKHXwHCIgQ6AEITzAK#v=one
page&q=generador%20mixto&f=false
https://es.wikipedia.org/wiki/Simulaci%C3%B3n
https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-
distributions-and-random-data/supporting-topics/basics/continuous-and-
discrete-probability-distributions/
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo12/B0C
12m1t6.htm