Professional Documents
Culture Documents
Dado un intervalo de confianza para la media de una cierta variable en el sistema que está siendo simulada,
un analista pudiera desear encontrar el tamaño apropiado del tamaño de la muestra para realizar un
experimento de simulación que produce las características de los intervalos de confianza. Si se denota a k
como la mitad del ancho del tamaño del intervalo de confianza (ejemplo; la mitad del ancho de la diferencia
entre los límites inferior y superior), entonces de acuerdo a la definición de los intervalos de confianza
tenemos
P x - k x + k = 1-
La anterior ecuación asume que el intervalo de confianza es simétrico alrededor de la media. Comparando
esta ecuación con la ecuación de los intervalos de confianza para la media, la siguiente relación es obtenida:
S
k = Z /2
n
n=
S Z /2
2
2
k
Note que la desviación estándar de la población debe de ser conocida para determinar el tamaño de la
muestra: En raros ocasiones y para ciertas variables en el modelo la información sobre la desviación estándar
puede ser obtenida usando datos históricos. En la mayoría de las ocasiones, sin embargo, no hay datos
históricos aplicables disponibles. Como se menciono previamente, la alternativa es correr el modelo para
una muestra de tamaño arbitrario elegida. El producto de esta simulación piloto puede proveer un estimado
(tal vez uno burdo) de el valor de la desviación estándar para la variable en cuestión. Este estimado puede
entonces ser usado en la ecuación anterior para él cálculo del tamaño de la muestra
Debe ser notado que el tamaño de la muestra puede ser estimado independientemente de la desviación
estándar de la población si el tamaño del intervalo de confianza es expresado en términos del número de la
desviación estándar de la población de la variable aleatoria. Por ejemplo, si se desea que k sea 2/10 de la
desviación estándar de la población, entonces substituyendo el valor de d en la ecuación del tamaño de la
muestra produce lo siguiente;
n=
S Z /2
2
2
2 n = 25Z 2 / 2
S
10
Note que los cálculos del tamaño de la muestra anterior requieren únicamente el valor de la variable
estándar normal para un dado nivel de confianza. Sin embargo, debido a que k esta expresado en términos
de una desviación estándar desconocida, el tamaño actual del intervalo de confianza no es conocido en este
caso.
Ejemplo: Basado en el problema #1, suponga que una estación de gasolina está localizada en la autopista
que conecta dos ciudades A y B. El administrador de la estación ordena de gasolina desde las dos ciudades.
El intervalo de tiempo entre las órdenes a la ciudad A se distribuye uniformemente entre 5 y 9 horas. El
intervalo entre órdenes a la ciudad B esta uniformemente distribuido entre 10 y 14 horas. El tiempo del viaje
de los camiones de gasolina desde la ciudad A se distribuye normalmente con media de 7 horas y una
desviación estándar de .5 de hora. El tiempo del viaje de los camiones de gasolina desde la cuidad B se
distribuye normalmente con media de 12 horas y una desviación estándar de 2 horas.
Asuma que inmediatamente después de que se realiza la orden de gasolina, un camión es enviado a la
estación de gasolina. Se desea estimar el tiempo promedio entre arribos de los camiones a la estación de
gasolina tal que la probabilidad sea 0.95 de que nuestras estimaciones este dentro de .1 hora de la media de
la población. Para obtener una estimación para la desviación estándar de la población usada en la fórmula
del tamaño de la muestra, se tomará el resultado de una simulación realizada como una prueba piloto con
una muestra de 100, como se especificó es este ejemplo.
De acuerdo al resultado de la simulación piloto, se obtuvo una desviación estándar del tiempo del sistema de
2.39 horas.
n=
(2.39) (1.96)
2
= 2194
(0.1 ) 2
1/m
s
IC x x t r 1, 2
r
Validación de varianzas y de medias
x1 x2 103.87 104.90
texp texp 0.35
n n2
2 2
1 1 8(40.57) 10(36.96) 1 1
1 1 2
n1 n2 n1 n2 8 10 8 10
2.12
Prueba de Forma Chi-Cuadrada ( 2 )
Antes de poder usar un proceso generador en un estudio de simulación, se debe demostrar que
los datos empíricos pueden ser conocidos. Un número de pruebas estadísticas puede ser
utilizado para probar la bondad de ajuste de una distribución teórica a un conjunto dado de datos.
Una de las pruebas más frecuentemente utilizada es la Chi-cuadrada (2).
La prueba es válida para tamaños de muestra grandes, para consideraciones de ambos tipos de
distribuciones discretas y continuas, cuando los parámetros son estimados por máxima
verisimilitud.
( f0 fe )2
2
fe
Realice una prueba de ajuste de bondad de los datos siguientes para una distribución Exponencial.
Los 60 datos siguientes representan el tiempo en segundos del tiempo entre arribos de los carros en una
cierta intersección.
12 7 26 6 18 15 44 28 9 44 16 19 37 29 8
10 9 18 35 17 20 31 8 24 15 18 30 11 28 68
7 19 4 26 25 37 46 9 18 14 7 34 26 9 49
9 16 32 7 4 6 23 8 36 19 5 21 9 3 22
Se realizan los cálculos para obtener la frecuencia esperada de los diferentes intervalos de clase:
Celda Frecuencia
0
Cuando Fei = npi es menor que 5 se debe combinar con la celda inmediata superior. Lo cual sucede para las
últimas 3 filas, resultando la tabla siguiente:
Así la χ2 calculada =4.964. Ahora se obtiene la χ2 de la tabla, con grados de libertad igual a 5-1=4, y con un nivel
de significancia =0.05 χ2Tabla,4,0.05 =9.49
Como la χ2 calculada =4.964 es menor que χ2Tabla= 9.49, se puede decir que los tiempos entre arribos de los
carros siguen comportamiento que se apega a una distribución exponencial.
1 1 1
F ( x) i ( LS i a ) F ( x)i ( LSi 0) F ( x) i LS i
ba 13 0 13
Fei
0- 1 6 0.0769 3.076 3.076 2.779
1–3 6 0.2307 9.228 6.154 0.0038
3–5 5 0.3846 15.384 6.154 0.2164
5–7 6 0.5384 21.536 6.154 0.0038
7–9 6 0.6923 27.692 6.154 0.0038
9 – 11 6 0.8461 33.846 6.154 0.0038
11 - 13 5 1.0000 40.0 6.154 0.2164 3.2112
Así la χ2 calculada =3.2112. Ahora se obtiene la χ2 de la tabla, con grados de libertad igual a 7-1=6, y con un nivel
de significancia =0.05
χ2Tabla,6,0.05 =12.6
Como la χ2 calculada =3.2112 es menor que χ2Tabla= 12.6, se puede decir que los tiempos entre arribos de los
carros siguen comportamiento que se apega a una distribución UNIFORME.
Así la χ2 calculada =10.164. Ahora se obtiene la χ2 de la tabla, con grados de libertad igual a 8 -1=7, y con un
nivel de significancia =0.05
χ2Tabla,7,0.05 =14.1
Como la χ2 calculada =10.164 es menor que χ2Tabla= 14.1, se puede decir que los tiempos entre arribos de los
carros siguen comportamiento que se apega a una distribución normal.
*Calculando si 2 cal , se asume que cada clase de datos tiene una fe de al menos 5, debido a que
cada valor esperado para x>4 es 3.87 observaciones, se agrupan la l°, 3° y 4° clase.
(1)e 1
P ( x 0) .36788 x 204 75.0475
0!
(1)e 1
P ( x 1) .36788x 204 75.04752
1!
(1)e 1
P ( x 2) .18394x 204 37.52376
2!
(1)e 1
P( x 3) .06131x 204 12.50724
3!
3
P ( x 4) 1 P( x 4) .01899 x 204 3.87396
i 0
Así la χ2 calculada =4.7624. Ahora se obtiene la χ2 de la tabla, con grados de libertad igual a 5-1= 4, y con un
nivel de significancia =0.05
χ2Tabla,4,0.05 =9.49
Como la χ2 calculada =4.7624 es menor que χ2Tabla= 9.49, se puede decir que los arribos de los carros siguen
comportamiento que se apega a una distribución POISSON.